| 第一章 绪论 | 第1-12页 |
| 1．1 研究背景 | 第8-9页 |
| 1．2 数据挖掘的发展和研究现状 | 第9-10页 |
| 1．3 本文主要内容和研究成果 | 第10-11页 |
| 1．4 本文组织结构 | 第11-12页 |
| 第二章 相关理论概述 | 第12-21页 |
| 2．1 分类挖掘 | 第12-15页 |
| 2．2．1 分类挖掘的概念 | 第12页 |
| 2．2．2 分类的步骤 | 第12-13页 |
| 2．2．3 分类算法 | 第13-14页 |
| 2．2．4 分类器的评价方法 | 第14-15页 |
| 2．3 关联规则挖掘 | 第15-20页 |
| 2．3．1 问题的形式化描述 | 第15-16页 |
| 2．3．2 关联规则的种类 | 第16页 |
| 2．3．3 经典关联规则挖掘算法—Apriori | 第16-18页 |
| 2．3．4 不产生候选项集的频繁项集挖掘算法 | 第18-20页 |
| 2．4 本章小结 | 第20-21页 |
| 第三章 关联分类挖掘算法 | 第21-42页 |
| 3．1 关联分类挖掘技术 | 第21-22页 |
| 3．1．1 基本概念 | 第21-22页 |
| 3．2 基于关联的分类算法CBA | 第22-26页 |
| 3．2．1 CBA的算法轮廓 | 第22-23页 |
| 3．2．2 算法CBA-RG(Classification Based on Association-Rule Generator) | 第23-24页 |
| 3．2．3 算法CBA-CB(Classification Based on Association-Classifier Bulding) | 第24-26页 |
| 3．3 基于多维类关联规则的精确、有效分类算法CMAR | 第26-29页 |
| 3．3．1 CMAR算法的提出 | 第26-27页 |
| 3．3．2 CMAR算法描述 | 第27-29页 |
| 3．4 基于分类频繁模式树(CFP-TREE)的分类算法 | 第29-41页 |
| 3．4．1 CFP-tree的基本概念 | 第29-31页 |
| 3．4．2 算法使用的基本数据结构 | 第31-34页 |
| 3．4．3 被约束子树 | 第34-37页 |
| 3．4．4 基于CFP-tree的分类算法的实现 | 第37-41页 |
| 3．5 本章小结 | 第41-42页 |
| 第四章 算法在大学生智能评估系统中的应用 | 第42-53页 |
| 4．1 大学生智能评估系统介绍 | 第42-44页 |
| 4．1．1 系统简介 | 第42页 |
| 4．1．2 系统功能 | 第42-43页 |
| 4．1．3 分类挖掘子模块的意义 | 第43-44页 |
| 4．2 分类挖掘模块的设计与应用 | 第44-51页 |
| 4．2．1 确定分类主题 | 第44页 |
| 4．2．2 生成挖掘数据库 | 第44-48页 |
| 4．2．3 挖掘分类规则 | 第48-51页 |
| 4．3 试验数据分析 | 第51-52页 |
| 4．4 本章小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5．1 总结 | 第53-54页 |
| 5．2 展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57页 |
