首页--文化、科学、教育、体育论文--职业技术教育论文--学校管理论文

基于知识发现的职业学校学生操行考核管理系统的设计与研究

摘要第4-5页
abstract第5-6页
第一章 引言第10-16页
    1.1 研究的背景和意义第10-13页
        1.1.1 项目背景第10-11页
        1.1.2 意义第11-12页
        1.1.3 国外研究现状第12页
        1.1.4 国内研究现状第12-13页
    1.2 研究目标和内容第13页
        1.2.1 目标第13页
        1.2.2 内容第13页
    1.3 主要的研究点第13-16页
第二章 知识发现与职业学校学生操行考核管理第16-28页
    2.1 知识发现第16-17页
        2.1.1 知识发现的一般过程第16页
        2.1.2 知识发现的技术和算法第16-17页
    2.2 职业学校及学生操行考核管理现状第17页
        2.2.1 职业学校第17页
        2.2.2 职业学校的学生操行考核管理现状第17页
    2.3 职业学校的学生操行考核管理制度与办法第17-19页
        2.3.1 总体思想架构第17-18页
        2.3.2 具体实施方法和要求第18页
        2.3.3 量化考核计分方法第18-19页
    2.4 职业学校的学生操行考核管理信息系统第19-26页
        2.4.1 系统概述第19页
        2.4.2 系统的主要功能第19-20页
        2.4.3 数据库结构第20-24页
        2.4.4 学生操行考核管理信息系统的实现第24-25页
        2.4.5 ASP简介第25页
        2.4.6 My Sql简介第25-26页
    2.5 基于知识发现的职业学校学生操行考核管理理论第26-27页
        2.5.1 传统职业学校操行考核管理系统存在的问题第26页
        2.5.2 职业学校的知识发现第26页
        2.5.3 基于知识发现的职业学校管理的目的第26-27页
        2.5.4 基于知识发现的职业学校学生操行考核管理第27页
    2.6 本章小结第27-28页
第三章 聚类与K-means算法及改进第28-38页
    3.1 算法概要第28-30页
    3.2 K-means关键问题有两个第30-34页
        3.2.1 求点间的距离第30-32页
        3.2.2 初始值对算法的结果影响大第32-34页
    3.3 算法的优点与缺点第34-35页
        3.3.1 优点第34页
        3.3.2 缺点第34-35页
    3.4 聚类分析中业务专家的作用第35页
    3.5 算法的改进第35页
        1、数据预处理第35页
        2、初始聚类中心选择第35页
        3、迭代过程中聚类种子的选择第35页
    3.6 一种初始中心点选择的改进方法第35-37页
    3.7 本章小结第37-38页
第四章 知识发现案例分析研究及结论第38-60页
    4.1 原始考核办法及考核结果第38-44页
        4.1.1 原系统的考核办法第38页
        4.1.2 原系统考核办法的分析第38-43页
        4.1.3 原考核办法的研究结论第43-44页
    4.2 数据的获取第44-51页
        4.2.1 数据预处理第44-49页
        4.2.3 重新组织数据第49-51页
    4.3 数据分析第51页
    4.4 基于K-means进行聚类及分析研究第51-54页
    4.5 新系数及考核办法的结果第54-59页
        4.5.1 新考核计分办法第54-56页
        4.5.2 新考核系数及论证第56-58页
        4.5.3 新旧办法的对比及结论第58-59页
    4.6 本章小结第59-60页
第五章 基于K-means算法的知识发现系统设计及应用第60-73页
    5.1 总体需求与结构第60-65页
        5.1.1 任务概述第60-61页
        5.1.2 具体需求分析第61-65页
    5.2 主界面的设计第65页
    5.3 数据库的设计第65-66页
    5.4 数据清理模块设计第66-69页
    5.5 K-means知识发现模块设计与实现第69-72页
    5.6 难度系数设置模块的设计第72页
    5.7 本章小结第72-73页
第六章 结论与展望第73-75页
    6.1 结论第73页
    6.2 创新点第73-74页
    6.3 展望第74-75页
参考文献第75-77页
学位论文数据集表第77-78页

论文共78页,点击 下载论文
上一篇:针对图像中的公交乘客检测与识别算法研究
下一篇:基于数据挖掘的用户语义智能分析系统设计与开发