| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-12页 |
| ·远程教育系统的研究现状 | 第12-13页 |
| ·数据挖掘在远程教育系统中的应用现状 | 第13页 |
| ·问题的提出 | 第13-14页 |
| ·研究内容与组织结构 | 第14-16页 |
| ·论文的研究内容 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 数据挖掘相关理论概述 | 第16-26页 |
| ·数据挖掘概念及方法 | 第16-18页 |
| ·聚类分析概述 | 第18-23页 |
| ·聚类分析原理 | 第19-21页 |
| ·常用的聚类分析算法 | 第21-23页 |
| ·网格聚类算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 远程教育系统学生分类的数据挖掘模型 | 第26-40页 |
| ·建模的准备 | 第26-33页 |
| ·模型依托的远程教育系统平台说明 | 第26-27页 |
| ·模型的理论基础 | 第27-28页 |
| ·学生的领域知识的构建 | 第28-30页 |
| ·学生的学习能力评价 | 第30-33页 |
| ·学生分类数据挖掘模型的数据库 | 第33-36页 |
| ·模型的数据库设计 | 第33-34页 |
| ·模型数据库的物理表结构 | 第34-36页 |
| ·远程教育系统学生分类的数据挖掘建模 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 4 STING 算法改进 | 第40-45页 |
| ·STING 算法分析 | 第40-42页 |
| ·STING 算法的优点 | 第41-42页 |
| ·STING 算法的局限性 | 第42页 |
| ·STING 算法改进策略 | 第42-44页 |
| ·STING 算法改进描述 | 第42页 |
| ·实验结果对比 | 第42-44页 |
| ·改进后的STING 算法的优点 | 第44页 |
| ·本章小结 | 第44-45页 |
| 5 改进STING 算法在学生分类数据挖掘模型中的应用 | 第45-60页 |
| ·数据准备 | 第45-50页 |
| ·数据采集 | 第45-46页 |
| ·数据的属性选取 | 第46-47页 |
| ·数据清洗 | 第47-49页 |
| ·数据变换 | 第49-50页 |
| ·利用改进STING 算法建模的实验结果 | 第50-52页 |
| ·聚类效果评价 | 第52-55页 |
| ·聚类的有效性介绍 | 第52-53页 |
| ·聚类结果有效性评价 | 第53-54页 |
| ·聚类结果的优化 | 第54-55页 |
| ·模型评估 | 第55-59页 |
| ·模型的质量 | 第55-56页 |
| ·聚类结果所发现模式的意义 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-61页 |
| ·总结 | 第60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录A 改进算法的部分程序实现 | 第63-67页 |
| 作者简历 | 第67-68页 |
| 学位论文数据集 | 第68-69页 |