| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1. 引言 | 第9-20页 |
| ·研究课题和资料来源 | 第9-10页 |
| ·研究意义和目的 | 第10页 |
| ·高校毕业生就业和课程体系现状发展趋势 | 第10-17页 |
| ·高校毕业生就业现状 | 第10-13页 |
| ·高校毕业生就业问题与解决 | 第13-15页 |
| ·课程体系研究文献综述 | 第15-17页 |
| ·研究资料的简单描述 | 第17-18页 |
| ·研究数据的预处理 | 第18页 |
| ·本次研究命题 | 第18-20页 |
| 2. 数据挖掘技术概述 | 第20-35页 |
| ·数据挖掘技术的现状与发展趋势 | 第20-26页 |
| ·KDD的发展历程 | 第21页 |
| ·KDD与数据挖掘的关系 | 第21-22页 |
| ·数据挖掘模型过程 | 第22-23页 |
| ·数据挖掘技术发展趋势 | 第23-25页 |
| ·数据挖掘技术应用 | 第25-26页 |
| ·数据挖掘技术在教育领域应用 | 第26页 |
| ·数据挖掘技术的原理与主要算法 | 第26-33页 |
| ·基本统计分析方法 | 第27-28页 |
| ·关联规则 | 第28-30页 |
| ·聚类分析 | 第30-32页 |
| ·决策树分析 | 第32-33页 |
| ·神经网络 | 第33页 |
| ·数据挖掘技术的相关软件简介 | 第33-35页 |
| 3. 数据分析 | 第35-85页 |
| ·毕业生课程成绩简单描述 | 第35-46页 |
| ·数据导入 | 第35-36页 |
| ·数据清理 | 第36-37页 |
| ·数据简单描述 | 第37-39页 |
| ·频数分析 | 第39-46页 |
| ·课程成绩数据集的正态性分析和有效性分析 | 第46-57页 |
| ·正态分析 | 第46-48页 |
| ·各种均值分析 | 第48-56页 |
| ·毕业生加权平均成绩排名表 | 第56-57页 |
| ·毕业生就业分布情况综述 | 第57-68页 |
| ·主要变量简单描述 | 第58-59页 |
| ·简单频数分析 | 第59-61页 |
| ·地域分析 | 第61-68页 |
| ·成绩表与就业表差异分析 | 第68-69页 |
| ·毕业生各课程成绩正态拟合分析 | 第69-71页 |
| ·毕业生各课程之间相关分析 | 第71-77页 |
| ·毕业生之间成绩相关性分析 | 第71-73页 |
| ·专业年级等间成绩相关性分析 | 第73-74页 |
| ·课程类型间成绩相关性分析 | 第74-75页 |
| ·学期类型间成绩相关性分析 | 第75-76页 |
| ·课程间成绩相关性分析 | 第76-77页 |
| ·课程设置与就业分布关联分析 | 第77-85页 |
| ·平均成绩与就业分布关联分析 | 第78-81页 |
| ·年级与就业分布关联分析 | 第81-82页 |
| ·专业与就业分布关联分析 | 第82-85页 |
| 4. 数据模型 | 第85-112页 |
| ·毕业生各课程成绩的回归模型 | 第85-90页 |
| ·课程设置与就业分布关联模型 | 第90-100页 |
| ·总体抽样后的关联模型 | 第90-93页 |
| ·分类抽样后的关联模型 | 第93-98页 |
| ·数据预处理后的关联模型 | 第98-100页 |
| ·基于成绩聚类与基于就业聚类模型 | 第100-112页 |
| ·稀疏数据预处理 | 第101页 |
| ·变量聚类分析 | 第101-106页 |
| ·观测值聚类分析 | 第106-108页 |
| ·聚类模型分析 | 第108-112页 |
| 5. 结论与展望 | 第112-116页 |
| ·本次课题研究结论 | 第112-114页 |
| ·不足与改进之处 | 第114页 |
| ·本次课题研究模型的有效推广 | 第114-116页 |
| 数据来源与参考文献 | 第116-118页 |
| 附录 | 第118-122页 |
| 附录Ⅰ 2001-2009届全国高校毕业生就业趋势SAS回归模型分析 | 第118-120页 |
| 附录Ⅱ 2006-2008届毕业生课程成绩正态性有效性分析 | 第120-122页 |
| 后记 | 第122-123页 |
| 致谢 | 第123页 |