数据挖掘技术在特殊学校学生管理中的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究状况 | 第12-14页 |
| 1.3 论文主要研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 数据挖掘的相关理论基础 | 第16-29页 |
| 2.1 数据挖掘概述 | 第16-19页 |
| 2.1.1 数据挖掘的概念 | 第16-17页 |
| 2.1.2 数据挖掘的主要研究内容 | 第17-18页 |
| 2.1.3 数据挖掘的实际应用 | 第18-19页 |
| 2.2 关联规则 | 第19-23页 |
| 2.2.1 基本概念 | 第19-20页 |
| 2.2.2 关联规则挖掘的一般步骤 | 第20页 |
| 2.2.3 Apriori算法 | 第20-23页 |
| 2.3 分类 | 第23-28页 |
| 2.3.1 分类的基本概念 | 第23页 |
| 2.3.2 用决策树归纳分类 | 第23-26页 |
| 2.3.3 基于贝叶斯的决策树 | 第26-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 特殊学校学生数据分析 | 第29-40页 |
| 3.1 数据来源 | 第29页 |
| 3.2 学生属性向量 | 第29-30页 |
| 3.3 学生分类 | 第30-31页 |
| 3.4 基于关联规则的学生数据分析 | 第31-34页 |
| 3.4.1 实验环境 | 第32页 |
| 3.4.2 基于年龄属性的学生数据分析 | 第32-33页 |
| 3.4.3 基于关联规则的不良行为属性分析 | 第33-34页 |
| 3.5 建立用于学生分类的贝叶斯决策树 | 第34-39页 |
| 3.5.1 利用贝叶斯原理解决新生属性缺失的问题 | 第34-36页 |
| 3.5.2 基于贝叶斯决策树对新生分类 | 第36-39页 |
| 3.6 小结 | 第39-40页 |
| 第4章 特殊学校学生分类系统 | 第40-49页 |
| 4.1 开发环境 | 第40页 |
| 4.1.1 系统开发的软硬件环境 | 第40页 |
| 4.1.2 系统开发知识来源 | 第40页 |
| 4.2 系统设计 | 第40-42页 |
| 4.2.1 系统任务 | 第40-41页 |
| 4.2.2 系统功能 | 第41-42页 |
| 4.3 详细设计 | 第42-45页 |
| 4.3.1 学生综合数据库结构 | 第42-43页 |
| 4.3.2 学生综合数据库建设 | 第43-44页 |
| 4.3.3 缺失数据填充模块建设 | 第44页 |
| 4.3.4 学生分类模块建设 | 第44-45页 |
| 4.4 数据测试 | 第45-47页 |
| 4.4.1 新生样本数据测试 | 第45-47页 |
| 4.4.2 分类正确性验证 | 第47页 |
| 4.5 小结 | 第47-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
