基于量化关联规则的敏感性分析方法研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-10页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 主要研究内容 | 第9页 |
| 1.3 论文组织结构 | 第9-10页 |
| 第2章 国内外研究状况 | 第10-15页 |
| 2.1 敏感性分析的发展及趋势 | 第10-13页 |
| 2.1.1 敏感性分析概述 | 第10页 |
| 2.1.2 分析的目的及任务 | 第10-11页 |
| 2.1.3 分析的基本步骤 | 第11页 |
| 2.1.4 主要的分析方法 | 第11-12页 |
| 2.1.5 分析方法讨论 | 第12-13页 |
| 2.2 关联规则挖掘的发展及趋势 | 第13-14页 |
| 2.3 教育数据分析的发展及趋势 | 第14-15页 |
| 第3章 量化关联规则挖掘 | 第15-21页 |
| 3.1 关联规则 | 第15-16页 |
| 3.1.1 基础概念 | 第15-16页 |
| 3.1.2 规则类型 | 第16页 |
| 3.2 Apriori算法 | 第16-19页 |
| 3.2.1 先验原理 | 第17页 |
| 3.2.2 算法框架 | 第17-19页 |
| 3.3 量化关联规则 | 第19-21页 |
| 3.3.1 简单分区方法 | 第19页 |
| 3.3.2 支持度及置信度冲突 | 第19页 |
| 3.3.3 聚类分区方法 | 第19-21页 |
| 第4章 基于量化关联规则的敏感性分析方法 | 第21-28页 |
| 4.1 基础概念 | 第21-23页 |
| 4.1.1 属性相对值 | 第21-22页 |
| 4.1.2 敏感性兴趣度 | 第22-23页 |
| 4.2 基本原理 | 第23-24页 |
| 4.2.1 相关性 | 第23页 |
| 4.2.2 自动化 | 第23-24页 |
| 4.2.3 算法思路 | 第24页 |
| 4.3 SA-Apriori算法 | 第24-25页 |
| 4.4 算法示例 | 第25-28页 |
| 第5章 敏感性分析软件设计与实现 | 第28-35页 |
| 5.1 开发工具 | 第28-29页 |
| 5.2 总体设计 | 第29页 |
| 5.3 模块设计 | 第29-30页 |
| 5.4 数据结构 | 第30页 |
| 5.5 算法实现 | 第30-35页 |
| 5.5.1 算法主程序 | 第30-31页 |
| 5.5.2 候选集生成 | 第31-32页 |
| 5.5.3 频繁集连接 | 第32-33页 |
| 5.5.4 候选集剪枝 | 第33-34页 |
| 5.5.5 敏感性规则构造 | 第34-35页 |
| 第6章 应用实例及分析 | 第35-51页 |
| 6.1 课程知识结构 | 第35-36页 |
| 6.2 数据预处理 | 第36-38页 |
| 6.2.1 数据来源 | 第36-37页 |
| 6.2.2 数据抽取 | 第37页 |
| 6.2.3 相对值及离散化 | 第37-38页 |
| 6.3 实验方案设计 | 第38-39页 |
| 6.4 粒度比较方案 | 第39-46页 |
| 6.4.1 粗粒度(知识篇) | 第39-42页 |
| 6.4.2 中粒度(知识块) | 第42-46页 |
| 6.4.3 细粒度(知识点) | 第46页 |
| 6.4.4 实验分析 | 第46页 |
| 6.5 基础值比较方案 | 第46-50页 |
| 6.5.1 设定地板值 | 第46-50页 |
| 6.5.2 实验分析 | 第50页 |
| 6.6 灵敏度比较方案 | 第50-51页 |
| 第7章 总结及展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文 | 第57页 |
