基于数据挖掘技术的高校学生兴趣分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内外数据挖掘技术的研究现状 | 第9-11页 |
| 1.2.2 国内外关于兴趣分类的研究现状 | 第11页 |
| 1.3 研究内容与论文结构 | 第11-14页 |
| 2 支持向量机 | 第14-22页 |
| 2.1 支持向量机的建模参数 | 第14-16页 |
| 2.2 支持向量机的结构 | 第16-17页 |
| 2.3 支持向量机的算法描述 | 第17-18页 |
| 2.4 支持向量机的算法评估 | 第18-19页 |
| 2.5 常用工具箱 | 第19-22页 |
| 3 数据预处理 | 第22-28页 |
| 3.1 数据清洗 | 第22页 |
| 3.2 数据优化 | 第22-23页 |
| 3.3 数据集描述 | 第23-28页 |
| 4 分类器的建模与仿真 | 第28-38页 |
| 4.1“学生体育爱好”的分类 | 第28-29页 |
| 4.1.1 决策树分类器分类结果 | 第28页 |
| 4.1.2 BP神经网络分类器分类结果 | 第28-29页 |
| 4.1.3 SVM分类器分类结果 | 第29页 |
| 4.2“学生交通出行爱好”的分类 | 第29-31页 |
| 4.2.1 决策树分类器分类结果 | 第29-30页 |
| 4.2.2 BP神经网络分类器分类结果 | 第30页 |
| 4.2.3 SVM分类器分类结果 | 第30-31页 |
| 4.3“学生饮食爱好”的分类 | 第31-32页 |
| 4.3.1 决策树分类器分类结果 | 第31页 |
| 4.3.2 BP神经网络分类器分类结果 | 第31-32页 |
| 4.3.3 SVM分类器分类结果 | 第32页 |
| 4.4“学生娱乐爱好”的分类 | 第32-34页 |
| 4.4.1 决策树分类器分类结果 | 第32-33页 |
| 4.4.2 BP神经网络分类器分类结果 | 第33页 |
| 4.4.3 SVM分类器分类结果 | 第33-34页 |
| 4.5“学生选课爱好”的分类 | 第34-35页 |
| 4.5.1 决策树分类器分类结果 | 第34页 |
| 4.5.2 BP神经网络分类器分类结果 | 第34-35页 |
| 4.5.3 SVM分类器分类结果 | 第35页 |
| 4.6 结果分析 | 第35-38页 |
| 5 结论及展望 | 第38-40页 |
| 5.1 总结 | 第38-39页 |
| 5.2 展望 | 第39-40页 |
| 致谢 | 第40-42页 |
| 参考文献 | 第42-44页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第44页 |
