| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究的背景 | 第10-12页 |
| 1.2 课题研究的意义与目的 | 第12-13页 |
| 1.3 国内外研究概况 | 第13-15页 |
| 1.4 主要工作 | 第15-16页 |
| 1.5 论文结构 | 第16-17页 |
| 2 理论基础与关键技术 | 第17-26页 |
| 2.1 数据挖掘理论 | 第17-19页 |
| 2.2 决策树分类算法及其改进 | 第19-22页 |
| 2.2.1 决策树方法一般过程 | 第19-20页 |
| 2.2.2 决策树算法 | 第20-21页 |
| 2.2.3 基于决策树的分类算法 | 第21-22页 |
| 2.2.4 决策树的构造算法数据模型 | 第22页 |
| 2.3 探讨聚类算法K-均值法 | 第22-24页 |
| 2.3.1 简述聚类算法 | 第22-23页 |
| 2.3.2 聚类算法K-均值法 | 第23-24页 |
| 2.3.3 现如今改善K-均值算法的状况 | 第24页 |
| 2.4 决策树技术和聚类分析的逻辑关系 | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 3 基于决策树技术的学生成绩分析 | 第26-42页 |
| 3.1 MICROSOFTSQLSERVERBI数据挖掘功能 | 第26页 |
| 3.2 决策树建树 | 第26-27页 |
| 3.3 MICROSOFT决策树算法 | 第27-29页 |
| 3.4 决策树技术在学生成绩分析中的应用 | 第29-41页 |
| 3.4.1 确定研究对象及目标 | 第29-30页 |
| 3.4.2 数据的收集 | 第30-31页 |
| 3.4.3 数据预处理 | 第31-33页 |
| 3.4.4 构建和使用决策树分类模型 | 第33-38页 |
| 3.4.5 决策树算法挖掘学生成绩结果分析 | 第38-39页 |
| 3.4.6 产生分类规则 | 第39-40页 |
| 3.4.7 结果分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于聚类算法的学生成绩分析 | 第42-57页 |
| 4.1 K均值聚类算法 | 第42-43页 |
| 4.1.1 K均值算法描述 | 第42-43页 |
| 4.1.2 K均值聚类算法的优缺点 | 第43页 |
| 4.2 K众数聚类算法 | 第43-44页 |
| 4.3 对K众数聚类算法的改进 | 第44-46页 |
| 4.4 MICROSOFT聚类分析算法 | 第46-47页 |
| 4.4.1 EM聚类分析 | 第46页 |
| 4.4.2 K-MEANS聚类分析 | 第46页 |
| 4.4.3 MICROSOFT聚类分析算法参数 | 第46-47页 |
| 4.4.4 优化性能 | 第47页 |
| 4.5 聚类算法在学生成绩分析中的应用 | 第47-55页 |
| 4.5.1 数据采集转化 | 第47-48页 |
| 4.5.2 构建和使用聚类分析模型 | 第48-49页 |
| 4.5.3 构建英语一级合格客体的聚类分析模型 | 第49-52页 |
| 4.5.4 构建英语一级不合格客体的聚类分析模型 | 第52-54页 |
| 4.5.5 结果分析及建议 | 第54-55页 |
| 4.6 结论 | 第55-56页 |
| 4.7 本章小结 | 第56-57页 |
| 5 总结和展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-64页 |
| 学位论文数据集表 | 第64-65页 |