| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究内容及方法 | 第9-12页 |
| 1.2.1 合作学习的基本要素 | 第9-10页 |
| 1.2.2 合作学习的组成 | 第10页 |
| 1.2.3 合作学习常用方法 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 国外研究状况 | 第12-13页 |
| 1.3.2 国内研究状况 | 第13-14页 |
| 1.4 论文研究内容 | 第14页 |
| 1.5 论文结构安排 | 第14-16页 |
| 2 数据挖掘理论 | 第16-38页 |
| 2.1 数据挖掘模型 | 第16-22页 |
| 2.1.1 预测性模型 | 第18-21页 |
| 2.1.2 描述性模型 | 第21-22页 |
| 2.2 聚类基本概念 | 第22-25页 |
| 2.2.1 聚类过程 | 第23-24页 |
| 2.2.2 相似性度量方法 | 第24-25页 |
| 2.3 几种聚类算法的比较 | 第25-30页 |
| 2.3.1 分区聚类VS.分层聚类 | 第26-29页 |
| 2.3.2 互斥聚类VS.模糊聚类 | 第29-30页 |
| 2.4 自组织映射网络 | 第30-36页 |
| 2.4.1 算法描述 | 第32-34页 |
| 2.4.2 参数设置 | 第34-35页 |
| 2.4.3 SOM算法的优缺点 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 3 两阶段聚类算法研究 | 第38-52页 |
| 3.1 基于自组织映射的K-means聚类算法研究 | 第38-44页 |
| 3.1.1 两阶段算法流程 | 第41-42页 |
| 3.1.2 两阶段算法实现步骤 | 第42-44页 |
| 3.2 算法评价与比较 | 第44-50页 |
| 3.2.1 实验平台 | 第44页 |
| 3.2.2 聚类评价标准 | 第44-45页 |
| 3.2.3 实验结果分析 | 第45-50页 |
| 3.3 本草小结 | 第50-52页 |
| 4 基于两阶段聚类算法的应用 | 第52-67页 |
| 4.1 合作学习分组策略 | 第52-54页 |
| 4.1.1 两种分组准则 | 第52-53页 |
| 4.1.2 分组的基本原则 | 第53-54页 |
| 4.1.3 分组的决定因素 | 第54页 |
| 4.1.4 小组分组方式 | 第54页 |
| 4.2 学生分组的实现 | 第54-66页 |
| 4.2.1 基本数据搜集 | 第55-61页 |
| 4.2.2 主成分分析 | 第61-63页 |
| 4.2.3 属性规范化 | 第63-64页 |
| 4.2.4 问卷聚类结果及分析 | 第64-65页 |
| 4.2.5 两阶段聚类方法的应用与比较 | 第65-66页 |
| 4.3 本章小结 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读学位期间取得的研究成果 | 第74页 |