| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 引言 | 第8-14页 |
| 1.1 研究背景及相关意义 | 第8-10页 |
| 1.2 国内外现状分析 | 第10-13页 |
| 1.2.1 数据挖掘在试题库中运用的分析 | 第10-11页 |
| 1.2.2 智能组卷算法的分析 | 第11-13页 |
| 1.3 本文的主要组织结构 | 第13-14页 |
| 第2章 组卷策略与算法研究 | 第14-26页 |
| 2.1 智能组卷的定义 | 第14页 |
| 2.2 组卷算法介绍 | 第14-19页 |
| 2.2.1 随机抽题法 | 第15-16页 |
| 2.2.2 回溯试探法 | 第16-17页 |
| 2.2.3 基于专家体系的组卷 | 第17-18页 |
| 2.2.4 系统使用的自动组卷方法 | 第18-19页 |
| 2.3 试题库建设 | 第19-22页 |
| 2.3.1 试题库的功能 | 第19-20页 |
| 2.3.2 试题库的构建原则 | 第20页 |
| 2.3.3 试题库的逻辑设计 | 第20-21页 |
| 2.3.4 试题库中的试题分布 | 第21-22页 |
| 2.4 组卷策略与算法 | 第22-26页 |
| 2.4.1 选题过程的总体设计 | 第22-23页 |
| 2.4.2 误差计算 | 第23页 |
| 2.4.3 组卷目标函数 | 第23-26页 |
| 第3章 数据挖掘算法在试题库及自动组卷中的应用 | 第26-40页 |
| 3.1 Apriori算法基本概念 | 第26-27页 |
| 3.1.1 支持度与置信度概念 | 第26-27页 |
| 3.1.2 频繁项集基本概念 | 第27页 |
| 3.2 数据挖掘算法在试题库中的应用 | 第27-29页 |
| 3.2.1 基于SKLM算法的知识点诊断 | 第27-29页 |
| 3.2.2 基于数据挖掘算法的知识点分析 | 第29页 |
| 3.3 Apriori算法在自动组卷中的应用 | 第29-36页 |
| 3.3.1 应用及其优势 | 第30页 |
| 3.3.2 应用存在的不足 | 第30-32页 |
| 3.3.3 算法的改进 | 第32-36页 |
| 3.4 算法的效率及评估实验 | 第36-40页 |
| 3.4.1 数据挖掘算法效果评估 | 第36-37页 |
| 3.4.2 改进算法效率对比实验 | 第37-40页 |
| 第4章 基于Apriori算法的组卷系统设计与实现 | 第40-58页 |
| 4.1 应用Apriori算法的组卷系统分析及设计 | 第40-48页 |
| 4.1.1 系统需求描述 | 第40-42页 |
| 4.1.2 系统总体结构 | 第42-45页 |
| 4.1.3 系统数据库设计 | 第45-48页 |
| 4.2 应用Apriori模块设计及实现 | 第48-56页 |
| 4.2.1 登录模块 | 第48-49页 |
| 4.2.2 试题库管理模块 | 第49-51页 |
| 4.2.3 组卷管理模块 | 第51-56页 |
| 4.3 系统实现与评价 | 第56-58页 |
| 4.3.1 系统开发环境 | 第56页 |
| 4.3.2 系统的实现 | 第56页 |
| 4.3.3 实验结果与评价 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第66页 |