| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·论文的研究背景 | 第10-11页 |
| ·研究背景 | 第10-11页 |
| ·选题意义 | 第11页 |
| ·国内外研究现状及发展趋势 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·章节安排 | 第13-14页 |
| 第2章 数据挖掘技术 | 第14-24页 |
| ·数据仓库概念 | 第14页 |
| ·数据仓库的特点 | 第14-15页 |
| ·数据仓库中的数据是面向主题的 | 第14-15页 |
| ·数据仓库中的数据是集成的 | 第15页 |
| ·数据仓库中的数据是相对稳定的 | 第15页 |
| ·数据仓库内的数据能反应历史的变化 | 第15页 |
| ·数据仓库的数据模型 | 第15-17页 |
| ·星型模型 | 第16页 |
| ·雪花模型 | 第16-17页 |
| ·数据仓库的建设 | 第17-18页 |
| ·概念模型设计 | 第17页 |
| ·技术准备工作 | 第17页 |
| ·逻辑模型设计 | 第17页 |
| ·物理模型设计 | 第17页 |
| ·数据仓库生成 | 第17页 |
| ·数据仓库运行与维护 | 第17-18页 |
| ·数据挖掘技术概述 | 第18-21页 |
| ·数据挖掘基础知识 | 第18-19页 |
| ·数据挖掘的常用方法 | 第19-20页 |
| ·数据挖掘的分析方法 | 第20-21页 |
| ·数据挖掘的步骤 | 第21-23页 |
| ·数据准备阶段 | 第21-22页 |
| ·数据挖掘阶段 | 第22-23页 |
| ·形成结果阶段 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 关联规则研究 | 第24-34页 |
| ·关联规则 | 第24-26页 |
| ·关联规则的分类 | 第25页 |
| ·挖掘关联规则的过程 | 第25-26页 |
| ·关联规则的算法 | 第26-27页 |
| ·Apriori 算法 | 第26页 |
| ·基于 Apriori 算法的改进算法—划分的算法 | 第26-27页 |
| ·FP-growth 算法 | 第27页 |
| ·关联规则优化算法 | 第27-32页 |
| ·优化算法的思想 | 第28页 |
| ·AprioriTid 算法 | 第28-29页 |
| ·AprioriTid 算法挖掘步骤 | 第29页 |
| ·AprioriTid 算法示例 | 第29-31页 |
| ·AprioriTid 算法的改进 | 第31-32页 |
| ·改进算法的特点 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第4章 关联规则在学生成绩分析中的应用 | 第34-52页 |
| ·学生成绩分析的重要性 | 第34页 |
| ·数据挖掘的过程 | 第34-36页 |
| ·确定挖掘对象并对数据进行采集 | 第35页 |
| ·数据预处理 | 第35页 |
| ·数据挖掘 | 第35-36页 |
| ·教务管理系统的整体架构 | 第36-37页 |
| ·数据样本的采集 | 第37-38页 |
| ·数据预处理 | 第38-43页 |
| ·数据的清理和转换技术 | 第38-39页 |
| ·数据预处理的过程和结果 | 第39-43页 |
| ·实施关联规则挖掘 | 第43-50页 |
| ·改进算法挖掘过程 | 第43-46页 |
| ·展示结果 | 第46-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 基于关联规则下的课程设置研究 | 第52-60页 |
| ·专业课程整体架构 | 第52-53页 |
| ·数据样本的采集 | 第53页 |
| ·数据的预处理 | 第53-56页 |
| ·数据的清理与转换 | 第54页 |
| ·数据预处理的过程和结果 | 第54-56页 |
| ·实施关联规则挖掘 | 第56-58页 |
| ·改进算法挖掘过程 | 第56-57页 |
| ·结果分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 附录 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 个人简历 | 第70-72页 |
| 致谢 | 第72页 |