| 目录 | 第1-5页 |
| 图表目录 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| 1．1 课题背景 | 第9-11页 |
| 1．1．1 数据挖掘技术的产生和发展 | 第9-10页 |
| 1．1．2 我国高等教育的发展现状 | 第10-11页 |
| 1．2 研究现状 | 第11-13页 |
| 1．2．1 现有的数据挖掘软件 | 第11-12页 |
| 1．2．2 国内志愿填报系统的现状 | 第12-13页 |
| 1．2．3 国内现有志愿填报系统的不足 | 第13页 |
| 1．3 本论文数据挖掘实现的相关技术 | 第13页 |
| 1．4 本课题的主要工作 | 第13-14页 |
| 1．5 本论文内容安排 | 第14-15页 |
| 第2章 相关技术及工具介绍 | 第15-31页 |
| 2．1 数据挖掘技术 | 第15-19页 |
| 2．1．1 数据仓库的概念及体系结构 | 第15-17页 |
| 2．1．2 数据挖掘的概念及特征 | 第17-18页 |
| 2．1．3 数据挖掘的体系结构 | 第18-19页 |
| 2．2 神经网络技术 | 第19-26页 |
| 2．2．1 人工神经网络简介 | 第20页 |
| 2．2．2 神经网络基本概念 | 第20-22页 |
| 2．2．3 BP神经网络介绍 | 第22-26页 |
| 2．3 ORACLE数据库系统 | 第26-27页 |
| 2．4 JAVA语言 | 第27-30页 |
| 2．5 本章小结 | 第30-31页 |
| 第3章 体系结构与设计 | 第31-36页 |
| 3．1 设计目标 | 第31页 |
| 3．1．1 设计目标 | 第31页 |
| 3．1．2 功能与性能要求 | 第31页 |
| 3．2 体系结构 | 第31-36页 |
| 3．2．1 Browser/Server结构 | 第31-32页 |
| 3．2．2 整体模型的建立 | 第32-34页 |
| 3．2．3 体系结构的功能描述 | 第34-35页 |
| 3．2．4 体系结构的特点 | 第35-36页 |
| 第4章 应用的实现 | 第36-52页 |
| 4．1 数据层的实现 | 第36-41页 |
| 4．1．1 数据收集 | 第36-37页 |
| 4．1．2 数据清理 | 第37-38页 |
| 4．1．3 数据转化 | 第38-39页 |
| 4．1．4 合成数据挖掘库 | 第39-41页 |
| 4．2 业务逻辑层的实现 | 第41-47页 |
| 4．2．1 网络训练工具介绍 | 第41-44页 |
| 4．2．2 构造 BP网络结构 | 第44-47页 |
| 4．2．2．1 输入/输出节点 | 第44-45页 |
| 4．2．2．2 层数与隐层节点数 | 第45页 |
| 4．2．2．3 网络中各层的激活函数 | 第45-47页 |
| 4．2．3 BP网络的参数和训练方法设计与选择 | 第47页 |
| 4．2．3．1 初始权值的选取 | 第47页 |
| 4．2．3．2 学习速率的选取、最大训练次数及最小误差的确定 | 第47页 |
| 4．3 行业应用层的实现 | 第47-49页 |
| 4．4 实验结果及相关讨论 | 第49-51页 |
| 4．4．1 不同学习率和隐层节点数情况下的实验结果 | 第49页 |
| 4．4．2 与实际录取结果比较 | 第49-50页 |
| 4．4．3 与朴素贝叶斯方法结果比较 | 第50-51页 |
| 4．4．3．1 朴素贝叶斯分类器 | 第50-51页 |
| 4．4．3．2 两种方法结果的比较 | 第51页 |
| 4．5 结论 | 第51-52页 |
| 第5章 进一步的工作 | 第52-54页 |
| 5．1 应用综述 | 第52页 |
| 5．2 存在的问题与今后的展望 | 第52-54页 |
| 第6章 结束语 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |