| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 学生知识水平的相关性分析研究现状 | 第13页 |
| 1.2.2 学生知识水平的预测研究现状 | 第13-14页 |
| 1.3 主要内容和结构安排 | 第14-17页 |
| 1.3.1 论文主要内容 | 第14-15页 |
| 1.3.2 论文结构安排 | 第15-17页 |
| 第2章 学生知识水平的分析研究相关工作 | 第17-27页 |
| 2.1 数据预处理 | 第17-19页 |
| 2.1.1 基本概念 | 第17页 |
| 2.1.2 数据预处理方法 | 第17-19页 |
| 2.2 相关性分析 | 第19-24页 |
| 2.2.1 基本概念 | 第19-20页 |
| 2.2.2 相关性分析方法 | 第20-22页 |
| 2.2.3 相关程度划分 | 第22页 |
| 2.2.4 相关程度评估方法 | 第22-23页 |
| 2.2.5 相关系数的检验 | 第23-24页 |
| 2.3 分类 | 第24-27页 |
| 2.3.1 基本概念 | 第24页 |
| 2.3.2 分类算法 | 第24-25页 |
| 2.3.3 分类评价方法 | 第25-27页 |
| 第3章 在线教育学生知识水平的相关性分析 | 第27-51页 |
| 3.1 在线教育学生知识水平的相关性分析方法的设计 | 第27-32页 |
| 3.1.1 相关性系数矩阵的产生 | 第28-31页 |
| 3.1.2 相关程度结果 | 第31-32页 |
| 3.2 在线教育学生知识水平的相关性分析方法的实现 | 第32-33页 |
| 3.3 在线教育学生知识水平的相关性分析系统的实现 | 第33-39页 |
| 3.3.1 开发环境和工具的简介 | 第34页 |
| 3.3.2 数据选择功能介绍 | 第34-37页 |
| 3.3.3 相关性分析功能 | 第37-39页 |
| 3.3.4 系统使用范围 | 第39页 |
| 3.4 显著性检验 | 第39页 |
| 3.5 在线教育学生知识水平的相关性实验及结果分析 | 第39-50页 |
| 3.5.1 面向用户知识模型的学生知识水平相关性实验及分析 | 第39-42页 |
| 3.5.2 面向虚拟学习环境交互的学生知识水平相关性实验及分析 | 第42-50页 |
| 3.6 本章总结 | 第50-51页 |
| 第4章 学生知识水平预测模型设计 | 第51-65页 |
| 4.1 基于朴素贝叶斯的学生知识水平预测模型 | 第51-54页 |
| 4.1.1 朴素贝叶斯算法介绍 | 第51-52页 |
| 4.1.2 基于朴素贝叶斯的学生知识水平预测分析过程 | 第52-53页 |
| 4.1.3 基于朴素贝叶斯的学生知识水平预测算法的实现 | 第53-54页 |
| 4.2 基于k-最近邻的学生知识水平预测模型 | 第54-55页 |
| 4.2.1 k-最近邻算法介绍 | 第54页 |
| 4.2.2 基于k-最近邻的学生知识水平预测分析过程 | 第54-55页 |
| 4.2.3 基于k-最近邻的学生知识水平预测算法的实现 | 第55页 |
| 4.3 基于神经网络的学生知识水平预测模型 | 第55-59页 |
| 4.3.1 神经网络算法介绍 | 第55-56页 |
| 4.3.2 基于神经网络的学生知识水平预测算法的结构和参数设计 | 第56-59页 |
| 4.3.3 基于神经网络的学生知识水平预测算法的实现 | 第59页 |
| 4.4 在线教育学生知识水平的预测实验及结果分析 | 第59-64页 |
| 4.4.1 面向用户知识模型的学生知识水平预测实验及结果 | 第59-63页 |
| 4.4.2 面向虚拟学习环境交互的学生知识水平预测实验及结果 | 第63-64页 |
| 4.5 本章总结 | 第64-65页 |
| 第5章 在线教育学生知识水平的研究结果分析与教学策略建议 | 第65-69页 |
| 5.1 研究结果分析 | 第65-67页 |
| 5.1.1 面向用户知识模型的学生知识水平的研究结果分析 | 第65-66页 |
| 5.1.2 面向虚拟学习环境交互的学生知识水平的研究结果分析 | 第66-67页 |
| 5.2 教学策略建议 | 第67-68页 |
| 5.3 本章总结 | 第68-69页 |
| 结论与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77页 |
