首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

数据仓库与数据挖掘技术在高校招生决策中的应用研究

摘要第4-5页
ABSTRACT第5-6页
目录第7-10页
第1章 绪论第10-16页
    1.1 课题研究背景及研究意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 决策支持系统相关技术第12-14页
    1.4 论文主要工作第14页
    1.5 论文的组织第14-16页
第2章 招生决策支持系统总体设计第16-22页
    2.1 确定决策主题第16-17页
    2.2 系统结构设计第17-18页
    2.3 系统功能模块设计第18-19页
    2.4 系统开发环境第19-20页
    2.5 决策方法构建方案第20页
    2.6 本章小结第20-22页
第3章 招生决策数据仓库的设计与实现第22-38页
    3.1 数据仓库体系结构第23-24页
    3.2 招生数据仓库建模第24-28页
        3.2.1 概念模型设计第24-25页
        3.2.2 逻辑模型设计第25-26页
        3.2.3 物理模型设计第26-28页
    3.3 源数据准备第28-31页
    3.4 数据仓库的创建与 ETL第31-33页
    3.5 联机分析处理第33-36页
        3.5.1 多维数据集的建立第33-35页
        3.5.2 OLAP 立方体的使用第35-36页
    3.6 本章小结第36-38页
第4章 传统数据挖掘方法在招生决策中的应用研究第38-60页
    4.1 数据挖掘过程第38-39页
    4.2 数据挖掘的数据准备第39-44页
        4.2.1 数据选择第39页
        4.2.2 数据清理第39页
        4.2.3 数据集成第39-40页
        4.2.4 数据规约第40-44页
    4.3 基于决策树的招生决策支持系统设计第44-49页
        4.3.1 决策树算法概述第44-45页
        4.3.2 决策树算法分类第45-46页
        4.3.3 决策树算法的选择第46页
        4.3.4 基于决策树的招生决策支持系统实现及结论第46-49页
    4.4 基于关联规则的招生决策支持系统设计第49-53页
        4.4.1 关联规则第49-50页
        4.4.2 关联规则算法分类第50-51页
        4.4.3 关联规则算法的选择第51页
        4.4.4 基于关联规则的招生决策支持系统实现及结论第51-53页
    4.5 基于聚类的招生决策支持系统设计第53-58页
        4.5.1 聚类算法概述第53-54页
        4.5.2 聚类算法分类第54-55页
        4.5.3 聚类算法的选择第55-56页
        4.5.4 基于聚类的招生决策支持系统实现及结论第56-58页
    4.6 本章小结第58-60页
第5章 基于 Apriori 关联规则算法的研究与算法改进第60-80页
    5.1 Apriori 算法基本思想及核心算法描述第60-62页
    5.2 Apriori 算法实例说明第62-64页
    5.3 Apriori 算法的分析第64-66页
        5.3.1 Apriori 算法对问题域的适用性分析第64-65页
        5.3.2 Apriori 算法的特点与不足第65页
        5.3.3 算法改进思想第65-66页
    5.4 基于事物集分组的 Apriori 改进算法第66-75页
        5.4.1 算法改进要点及方案第66-70页
        5.4.2 改进算法描述第70-72页
        5.4.3 改进算法范例第72-75页
    5.5 Apriori 算法改进的性能分析第75-78页
        5.5.1 改进 Apriori 算法与 Apriori 算法计算时间比较第75-76页
        5.5.2 改进 Apriori 算法的时间复杂度分析第76-77页
        5.5.3 改进 Apriori 算法各阶段时间对比及影响因素分析第77-78页
    5.6 本章小结第78-80页
第6章 高校招生决策支持系统的实现第80-86页
    6.1 系统环境第80页
        6.1.1 硬件环境第80页
        6.1.2 软件环境第80页
    6.2 系统运行结果第80-85页
        6.2.1 用户登录第80-81页
        6.2.2 角色权限配置第81页
        6.2.3 用户管理第81页
        6.2.4 数据展示第81-82页
        6.2.5 数据预处理配置第82-83页
        6.2.6 关联规则生成第83-85页
    6.3 本章小结第85-86页
结论与展望第86-90页
参考文献第90-94页
攻读硕士学位期间发表的学术论文第94-96页
致谢第96页

论文共96页,点击 下载论文
上一篇:基于机器视觉的机器人运动控制研究
下一篇:基于Kinect人体识别技术的虚拟现实交互方法的应用研究