| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 在聚类分析方面 | 第11-12页 |
| 1.2.2 在关联规则方面 | 第12页 |
| 1.2.3 数据挖掘技术在教育领域中的应用 | 第12-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 第二章 相关理论介绍 | 第14-24页 |
| 2.1 数据挖掘理论 | 第14-16页 |
| 2.1.1 数据挖掘的定义及对象 | 第14-15页 |
| 2.1.2 数据挖掘过程 | 第15页 |
| 2.1.3 数据挖掘方法 | 第15-16页 |
| 2.2 聚类分析 | 第16-21页 |
| 2.2.1 聚类分析概述 | 第16-18页 |
| 2.2.2 聚类的相异度衡量 | 第18-20页 |
| 2.2.3 聚类算法的分类 | 第20-21页 |
| 2.3 关联规则 | 第21-23页 |
| 2.3.1 关联规则的相关概念 | 第21-22页 |
| 2.3.2 关联规则的种类 | 第22页 |
| 2.3.3 关联规则的挖掘流程及注意内容 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 计算机基础成绩数据的预处理 | 第24-32页 |
| 3.1 数据预处理概述 | 第24-25页 |
| 3.2 数据预处理的主要方法 | 第25-28页 |
| 3.2.1 数据清洗 | 第25-26页 |
| 3.2.2 数据集成 | 第26-27页 |
| 3.2.3 数据转换 | 第27页 |
| 3.2.4 数据规约 | 第27-28页 |
| 3.3 计算机基础成绩数据的预处理 | 第28-31页 |
| 3.3.1 数据采集 | 第28页 |
| 3.3.2 成绩数据预处理 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 计算机基础成绩数据的聚类分析 | 第32-41页 |
| 4.1 K-Means算法介绍 | 第32-34页 |
| 4.1.1 K-Means算法的基本原理 | 第32-33页 |
| 4.1.2 K-Means算法的基本步骤 | 第33-34页 |
| 4.2 K-Means算法优缺点分析 | 第34-36页 |
| 4.2.1 K-Means算法的优点 | 第34-35页 |
| 4.2.2 K-Means算法的缺点 | 第35-36页 |
| 4.3 K-Means算法的改进 | 第36-37页 |
| 4.4 K-Means算法在计算机基础成绩数据中的应用 | 第37-40页 |
| 4.4.1 对计算机基础成绩数据进行聚类 | 第37-38页 |
| 4.4.2 实验结果与分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 计算机基础成绩数据的关联规则研究 | 第41-51页 |
| 5.1 Apriori算法思想 | 第41-42页 |
| 5.2 Apriori算法描述 | 第42-44页 |
| 5.3 Apriori算法的缺陷 | 第44页 |
| 5.4 Apriori算法的改进 | 第44-48页 |
| 5.5 Apriori算法在计算机基础成绩数据中的应用 | 第48-50页 |
| 5.5.1 计算机基础成绩数据的关联规则挖掘 | 第48-49页 |
| 5.5.2 实验结果分析 | 第49-50页 |
| 5.6 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 6.1 全文总结 | 第51页 |
| 6.2 工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在校期间发表的论文和参加的科研项目 | 第55-56页 |
| 致谢 | 第56页 |