基于关联规则的决策树改进算法在贫困生认定中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内外数据挖掘现状 | 第11-12页 |
| 1.2.2 国内外贫困生资助现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 数据挖掘相关知识 | 第16-29页 |
| 2.1 数据挖掘 | 第16-19页 |
| 2.1.1 数据挖掘的涵义 | 第16页 |
| 2.1.2 数据挖掘过程 | 第16-17页 |
| 2.1.3 数据挖掘方法 | 第17-19页 |
| 2.1.4 数据挖掘的应用 | 第19页 |
| 2.2 数据仓库 | 第19-21页 |
| 2.3 关联规则算法 | 第21-25页 |
| 2.3.1 基本概念 | 第21-22页 |
| 2.3.2 关联规则的主要算法 | 第22-25页 |
| 2.4 决策树算法 | 第25-28页 |
| 2.4.1 ID3算法 | 第25-26页 |
| 2.4.2 C4.5 算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 贫困生指标认定 | 第29-32页 |
| 3.1 校园一卡通系统介绍 | 第29页 |
| 3.2 一卡通消费行为分析 | 第29-30页 |
| 3.3 贫困生的界定 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于关联规则的决策树算法 | 第32-36页 |
| 4.1 关联规则算法添加新属性 | 第32-33页 |
| 4.1.1 关联规则生成新的属性 | 第32页 |
| 4.1.2 评估新属性 | 第32-33页 |
| 4.2 改进算法 | 第33-35页 |
| 4.3 本章小结 | 第35-36页 |
| 5 数据预处理 | 第36-46页 |
| 5.1 一卡通数据的ETL过程 | 第36-39页 |
| 5.2 学生贫困认定数据准备 | 第39-41页 |
| 5.3 数据分析及处理 | 第41-42页 |
| 5.4 离散化数据 | 第42-45页 |
| 5.5 本章小结 | 第45-46页 |
| 6 改进算法在贫困生认定中的应用 | 第46-51页 |
| 6.1 Apriori算法新属性 | 第46-47页 |
| 6.2 算法应用 | 第47-50页 |
| 6.2.1 构造决策树 | 第47-49页 |
| 6.2.2 分析部分规则 | 第49-50页 |
| 6.3 模型评估 | 第50页 |
| 6.4 本章小结 | 第50-51页 |
| 7 结论及展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 个人简历、在学期间发表的学术论文 | 第55页 |
