| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 存在问题 | 第11-12页 |
| 1.3.1 统计分析法存在的问题 | 第11-12页 |
| 1.3.2 变权重组合预测模型方法存在的问题 | 第12页 |
| 1.4 论文主要工作 | 第12-13页 |
| 1.5 论文的组织结构 | 第13-15页 |
| 第二章 相关技术介绍 | 第15-21页 |
| 2.1 机器学习 | 第15-17页 |
| 2.1.1 机器学习基础 | 第15-16页 |
| 2.1.2 机器学习分类 | 第16-17页 |
| 2.2 深度学习 | 第17页 |
| 2.3 REDIS内存数据库介绍 | 第17-19页 |
| 2.3.1 Reids键值对支持数据类型 | 第18-19页 |
| 2.3.2 Redis部署架构 | 第19页 |
| 2.3.3 Redis相对与Memcached的优点 | 第19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 ADABOOST在预测高考批次线中的实现 | 第21-33页 |
| 3.1 问题描述 | 第21-22页 |
| 3.2 算法介绍 | 第22-26页 |
| 3.2.1 Adaboost算法介绍 | 第22-23页 |
| 3.2.2 随机森林方法理论介绍 | 第23-26页 |
| 3.3 特征选择 | 第26-28页 |
| 3.4 实验介绍 | 第28-31页 |
| 3.5 结论 | 第31页 |
| 3.6 本章小结 | 第31-33页 |
| 第四章 深度学习在院校专业线预测中的实现 | 第33-43页 |
| 4.1 问题描述 | 第33-34页 |
| 4.2 算法介绍 | 第34-36页 |
| 4.2.1 人工神经网络(ANN) | 第34-35页 |
| 4.2.2 多层感知器(MLP)模型 | 第35-36页 |
| 4.3 常用场景 | 第36-37页 |
| 4.4 实验 | 第37-41页 |
| 4.5 结论分析 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 基于机器学习的高考分数线预测系统的设计与实现 | 第43-57页 |
| 5.1 基于机器学习的高考分数线预测系统的需求分析 | 第43-45页 |
| 5.1.1 功能需求 | 第43-44页 |
| 5.1.2 性能需求 | 第44-45页 |
| 5.2 基于机器学习的高考分数线预测系统的概要设计 | 第45-46页 |
| 5.2.1 数据流图 | 第45-46页 |
| 5.2.2 逻辑模型设计 | 第46页 |
| 5.3 基于机器学习的高考分数线预测系统的详细设计 | 第46-51页 |
| 5.4 系统架构设计 | 第51-53页 |
| 5.5 系统界面展示 | 第53-55页 |
| 5.6 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |
