| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景及选题意义 | 第9页 |
| ·数据挖掘的发展历史及国内外研究现状 | 第9-12页 |
| ·数据挖掘技术在教育领域中的研究现状及意义 | 第12页 |
| ·本文的研究内容及论文结构 | 第12-14页 |
| 第2章 数据仓库和数据挖掘技术 | 第14-24页 |
| ·数据仓库 | 第14-19页 |
| ·数据仓库概念 | 第14页 |
| ·数据仓库的特点 | 第14-15页 |
| ·数据仓库系统 | 第15-19页 |
| ·数据挖掘 | 第19-24页 |
| ·数据挖掘的概念 | 第19页 |
| ·数据挖掘的过程 | 第19-21页 |
| ·数据挖掘技术 | 第21-22页 |
| ·基于数据仓库的数据挖掘 | 第22-23页 |
| ·DM与 OLAP的关系 | 第23-24页 |
| 第3章 关联规则和聚类分析 | 第24-36页 |
| ·关联规则 | 第24-32页 |
| ·关联规则概述 | 第24页 |
| ·关联规则基本模型 | 第24-25页 |
| ·关联规则度量 | 第25-27页 |
| ·关联规则挖掘算法分类 | 第27-29页 |
| ·关联规则挖掘的经典算法: Apriori算法 | 第29-32页 |
| ·聚类分析 | 第32-36页 |
| ·聚类分析的定义 | 第32-33页 |
| ·聚类分析的分类 | 第33页 |
| ·常用的聚类算法 | 第33-36页 |
| 第4章 学生成绩数据仓库的建立 | 第36-50页 |
| ·学生成绩数据仓库结构设计 | 第36-37页 |
| ·学生成绩数据仓库模型设计 | 第37-45页 |
| ·概念模型设计 | 第37-38页 |
| ·逻辑模型设计 | 第38-41页 |
| ·物理模型的建立 | 第41-45页 |
| ·数据抽取、转换和加载(ETL) | 第45-50页 |
| ·数据抽取 | 第46-47页 |
| ·数据的清理和转换 | 第47-48页 |
| ·数据的加载 | 第48-50页 |
| 第5章 学生成绩数据挖掘 | 第50-67页 |
| ·学生成绩分析系统的建立 | 第50页 |
| ·改进的Apriori算法 | 第50-52页 |
| ·对关联规则的结果进行聚类分析 | 第52-55页 |
| ·Apriori算法以及聚类分析算法在学生成绩分析系统的应用 | 第55-67页 |
| ·学生成绩题型知识点信息挖掘 | 第55-62页 |
| ·学生成绩学科知识点关联信息挖掘 | 第62-65页 |
| ·学生成绩分析数据挖掘小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 一.工作总结 | 第67页 |
| 二.工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间公开发表论文 | 第73-74页 |
| 致谢 | 第74-75页 |
| 研究生履历 | 第75页 |