| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·数据挖掘的研究现状 | 第9-10页 |
| ·学生评教的研究现状 | 第10-11页 |
| ·主要研究内容及研究方法 | 第11-13页 |
| ·主要研究内容 | 第11-12页 |
| ·研究方法 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第二章 相关理论 | 第14-29页 |
| ·数据挖掘简介 | 第14-16页 |
| ·数据挖掘定义 | 第14页 |
| ·数据挖掘过程 | 第14-15页 |
| ·数据挖掘应用 | 第15-16页 |
| ·关联规则 | 第16-22页 |
| ·关联规则基本概念及其定义 | 第16-17页 |
| ·关联规则分类 | 第17-18页 |
| ·经典关联规则算法-Apriori | 第18-19页 |
| ·Apriori关联规则挖掘举例 | 第19-22页 |
| ·聚类算法 | 第22-26页 |
| ·聚类算法概述及其应用 | 第22-23页 |
| ·聚类分类 | 第23页 |
| ·划分聚类算法 | 第23-24页 |
| ·层次聚类算法 | 第24-26页 |
| ·相关系数 | 第26-27页 |
| ·标准方差 | 第27-29页 |
| 第三章 知识挖掘工具的选取与实现 | 第29-40页 |
| ·Apriori关联规则算法实现 | 第29-34页 |
| ·划分聚类算法参数选取 | 第34-36页 |
| ·两种层次聚类方法分析与实现 | 第36-38页 |
| ·相关系数编程实现 | 第38-39页 |
| ·标准方差编程实现 | 第39-40页 |
| 第四章 学生评教数据的知识发现 | 第40-56页 |
| ·学生评教量表指标分类 | 第40-43页 |
| ·合并学生评教数据的依据 | 第40-41页 |
| ·用K-means和层次聚类将学生评教量表指标分类 | 第41-43页 |
| ·学生评教量表中各指标间关系研究 | 第43-47页 |
| ·基于关联规则方法的研究 | 第43-46页 |
| ·基于相关系数方法的研究 | 第46-47页 |
| ·学生评教量表知识发现结果的验证 | 第47-49页 |
| ·教师个体因素与学生评教结果的关联分析 | 第49-56页 |
| ·教师单因素与总评结果之间关系研究 | 第49-51页 |
| ·教师多因素与总评结果之间关系研究 | 第51-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附表 | 第61-66页 |
| 致谢 | 第66页 |