| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究问题的背景 | 第10-11页 |
| 1.2 研究的目的和意义 | 第11-12页 |
| 1.2.1 研究的目的 | 第11页 |
| 1.2.2 研究的意义 | 第11-12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.3.1 数据挖掘在考生成绩评估系统中的研究现状 | 第12-13页 |
| 1.3.2 数据挖掘在考生成绩分析中的研究现状 | 第13-14页 |
| 1.4 本文的结构和内容 | 第14-16页 |
| 第2章 数据挖掘相关技术及工具介绍 | 第16-29页 |
| 2.1 数据挖掘 | 第16-20页 |
| 2.1.1 数据挖掘简介 | 第16-18页 |
| 2.1.2 数据挖掘的过程模型 | 第18-19页 |
| 2.1.3 数据挖掘的应用 | 第19-20页 |
| 2.2 贝叶斯判别法 | 第20-23页 |
| 2.2.1 常用的判别方法 | 第20-21页 |
| 2.2.2 贝叶斯判别方法基本原理 | 第21-23页 |
| 2.3 决策树归纳法 | 第23-26页 |
| 2.3.1 决策树简介 | 第23-24页 |
| 2.3.2 几种决策树算法 | 第24-26页 |
| 2.4 数据挖掘工具SPSS Modeler | 第26-28页 |
| 2.4.1 软件简介 | 第26页 |
| 2.4.2 软件的工作界面 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 贝叶斯判别法在艺术类考生成绩分析中的应用 | 第29-40页 |
| 3.1 挖掘需求分析 | 第29页 |
| 3.2 研究数据来源及数据预处理 | 第29-33页 |
| 3.2.1 研究的数据来源 | 第29-31页 |
| 3.2.2 数据预处理 | 第31-33页 |
| 3.3 准备工作 | 第33-35页 |
| 3.3.1 均值检验 | 第33-34页 |
| 3.3.2 协方差矩阵的齐性检验 | 第34-35页 |
| 3.4 贝叶斯判别模型的建立与评估 | 第35-39页 |
| 3.4.1 判别模型的挖掘流程 | 第35-36页 |
| 3.4.2 贝叶斯判别模型输出 | 第36-37页 |
| 3.4.3 判别结果的评价 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 决策树归纳法在艺术类考生成绩分析中的应用 | 第40-57页 |
| 4.1 CHAID算法 | 第40-41页 |
| 4.1.1 CHAID算法基本原理 | 第40页 |
| 4.1.2 CHAID算法与其他决策树算法不同之处 | 第40-41页 |
| 4.2 挖掘需求分析 | 第41-42页 |
| 4.3 准备工作 | 第42-46页 |
| 4.3.1 研究数据来源 | 第42-43页 |
| 4.3.2 预测变量的重要性 | 第43-45页 |
| 4.3.3 离群点处理 | 第45-46页 |
| 4.4 决策树模型的建立与评估 | 第46-56页 |
| 4.4.1 决策树模型的挖掘流程 | 第46-48页 |
| 4.4.2 模型解释 | 第48-52页 |
| 4.4.3 模型评估 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 艺术类考生成绩评估系统构建 | 第57-67页 |
| 5.1 需求分析 | 第57页 |
| 5.2 总体设计 | 第57-59页 |
| 5.2.1 总体设计原则 | 第58页 |
| 5.2.2 总体设计方案 | 第58-59页 |
| 5.3 系统实现 | 第59-66页 |
| 5.3.1 系统展示平台 | 第59-60页 |
| 5.3.2 系统开发工具 | 第60-61页 |
| 5.3.3 系统程序的实现流程 | 第61-62页 |
| 5.3.4 贝叶斯判别模式实现模块 | 第62-63页 |
| 5.3.5 决策树模型实现模块 | 第63页 |
| 5.3.6 应用层界面 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结和展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 本文展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 攻读学位期间发表的论文和研究成果 | 第71-72页 |
| 致谢 | 第72页 |