| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 本文研究背景和意义 | 第9页 |
| 1.2 教育数据挖掘的研究现状 | 第9-12页 |
| 1.3 本文的主要研究工作 | 第12页 |
| 1.4 本文的章节结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 决策树挖掘 | 第14-18页 |
| 2.1 决策树的基本概念 | 第14-15页 |
| 2.2 决策树基本算法概述 | 第15页 |
| 2.3 决策树属性选择度量 | 第15-16页 |
| 2.4 经典决策树算法 | 第16-17页 |
| 2.5 决策树的剪枝 | 第17页 |
| 2.6 从决策树生成规则 | 第17页 |
| 2.7 本章小结 | 第17-18页 |
| 第3章 关联规则挖掘 | 第18-21页 |
| 3.1 基本概念 | 第18页 |
| 3.2 挖掘步骤 | 第18-19页 |
| 3.3 Apriori算法 | 第19-20页 |
| 3.4 由频繁项集产生关联规则 | 第20页 |
| 3.5 本章小结 | 第20-21页 |
| 第4章 基于网络课程平台学习的数据挖掘模型 | 第21-25页 |
| 4.1 数据挖掘的一般过程 | 第21-22页 |
| 4.2 基于网络课程的数据挖掘模型 | 第22-23页 |
| 4.3 模型中的各模块功能解释 | 第23-24页 |
| 4.4 本章小结 | 第24-25页 |
| 第5章 《大学计算机基础》网络课程数据挖掘的实现与分析 | 第25-39页 |
| 5.1 决策树ID3算法实现 | 第25-29页 |
| 5.1.1 数据预处理 | 第25-26页 |
| 5.1.2 ID3算法挖掘过程 | 第26-28页 |
| 5.1.3 解释与评价 | 第28-29页 |
| 5.2 关联规则Apriori算法实现 | 第29-38页 |
| 5.2.1 数据预处理 | 第29-31页 |
| 5.2.2 Apriori算法挖掘过程 | 第31-37页 |
| 5.2.3 解释与评价 | 第37-38页 |
| 5.3 本章小结 | 第38-39页 |
| 第6章 本文总结与展望 | 第39-40页 |
| 6.1 本文总结 | 第39页 |
| 6.2 研究展望 | 第39-40页 |
| 参考文献 | 第40-45页 |
| 致谢 | 第45-46页 |