| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题研究背景 | 第10页 |
| ·研究现状 | 第10-11页 |
| ·选题的主要依据和意义 | 第11-12页 |
| ·研究主要内容 | 第12页 |
| ·本文的组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 数据挖掘概述 | 第14-24页 |
| ·数据挖掘的由来 | 第14-15页 |
| ·数据挖掘的定义 | 第15页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·常用数据挖掘工具 | 第16-17页 |
| ·数据挖掘的常用方法 | 第17-19页 |
| ·数据挖掘基本步骤 | 第19-20页 |
| ·数据挖掘的知识表示 | 第20-22页 |
| ·数据挖掘的应用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 数据挖掘算法 | 第24-35页 |
| ·关联规则挖掘技术 | 第24-28页 |
| ·关联规则算法的基本概念 | 第24-25页 |
| ·挖掘频繁项集的经典算法-Apriori算法 | 第25-27页 |
| ·Apriori算法过程实例 | 第27-28页 |
| ·决策树技术 | 第28-33页 |
| ·决策树的工作原理 | 第28-29页 |
| ·决策树生成算法 | 第29-30页 |
| ·分裂属性 | 第30页 |
| ·ID3 和C4.5 算法 | 第30-33页 |
| ·决策树剪枝 | 第33页 |
| ·从决策树提取规则 | 第33页 |
| ·Microsoft决策树算法 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第四章 关联规则在高校录取数据中的应用 | 第35-48页 |
| ·挖掘数据的需求分析 | 第35-36页 |
| ·确定挖掘的对象 | 第36-37页 |
| ·数据预处理 | 第37-40页 |
| ·去掉冗余的字段 | 第37-38页 |
| ·数据离散化处理 | 第38-40页 |
| ·构建数据挖掘模型 | 第40-41页 |
| ·关联规则算法在招生中的应用 | 第41-47页 |
| ·选取Apriori 算法计算训练集中的支持度和置信度 | 第41-43页 |
| ·建立训练集数据的挖掘模型 | 第43-46页 |
| ·测试集模型的验证 | 第46-47页 |
| ·验证集模型的预测 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 决策树在高校录取数据中的应用 | 第48-60页 |
| ·问题的提出 | 第48页 |
| ·问题的解决方法 | 第48-49页 |
| ·数据预处理 | 第49页 |
| ·构建数据挖掘模型 | 第49-50页 |
| ·决策树算法在招生中的应用 | 第50-57页 |
| ·C4.5 算法在训练集中的应用 | 第50-55页 |
| ·训练集数据生成决策树模型 | 第55-57页 |
| ·测试集决策树模型的建立 | 第57-59页 |
| ·验证集模型的预测 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-61页 |
| ·结论 | 第60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读专业硕士学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64页 |