数据挖掘算法在人才测评中的研究与应用
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·人才测评的国内外研究现状 | 第11-13页 |
| ·数据挖掘的国内外研究现状 | 第13-14页 |
| ·本课题的研究目的、主要内容及创新之处 | 第14-15页 |
| ·研究目的 | 第14页 |
| ·主要内容 | 第14-15页 |
| ·创新之处 | 第15页 |
| ·本章小节 | 第15-16页 |
| 第二章 人才测评理论 | 第16-32页 |
| ·人才测评定义 | 第16页 |
| ·人才测评分类 | 第16-17页 |
| ·人才测评的主要方法 | 第17-18页 |
| ·人才测评的作用 | 第18-20页 |
| ·针对组织而言的作用 | 第18-19页 |
| ·针对个人而言的作用 | 第19-20页 |
| ·人才测评的基本问题 | 第20-21页 |
| ·人才测评指标体系 | 第21-22页 |
| ·人才测评指标量化的方法 | 第22-27页 |
| ·加权 | 第23-25页 |
| ·赋分 | 第25-26页 |
| ·计分 | 第26-27页 |
| ·人才测评的模糊特性 | 第27-29页 |
| ·模糊理论 | 第27页 |
| ·人才测评的模糊性 | 第27-28页 |
| ·层次分析法（AHP法） | 第28-29页 |
| ·人才测评在高校人力资源开发中的作用 | 第29-31页 |
| ·本章小节 | 第31-32页 |
| 第三章 数据挖掘技术理论 | 第32-45页 |
| ·数据挖掘技术的背景 | 第32-33页 |
| ·数据挖掘定义及理论基础 | 第33-35页 |
| ·数据挖掘的功能 | 第35-38页 |
| ·概念描述 | 第35页 |
| ·关联分析 | 第35页 |
| ·序列模式分析 | 第35-36页 |
| ·分类分析 | 第36页 |
| ·聚类分析 | 第36-37页 |
| ·演变分析 | 第37-38页 |
| ·数据挖掘的方法 | 第38-39页 |
| ·人工神经网络 | 第38页 |
| ·遗传算法 | 第38页 |
| ·粗糙集 | 第38-39页 |
| ·决策树 | 第39页 |
| ·统计分析方法 | 第39页 |
| ·数据挖掘的基本流程 | 第39-41页 |
| ·数据挖掘的应用 | 第41-42页 |
| ·数据挖掘的发展趋势 | 第42-44页 |
| ·本章小节 | 第44-45页 |
| 第四章 人才测评的算法实现 | 第45-69页 |
| ·人才测评流程 | 第45-46页 |
| ·人才测评指标体系的构建 | 第46-47页 |
| ·指标体系设置原则 | 第46页 |
| ·指标体系的构造 | 第46-47页 |
| ·指标权重的确定与量化 | 第47-48页 |
| ·人才分类与选拔的算法实现 | 第48-56页 |
| ·模糊数据挖掘算法 | 第48-54页 |
| ·K-平均数据挖掘算法 | 第54-56页 |
| ·人才绩效考核的算法实现 | 第56-60页 |
| ·人才素质评价的算法实现 | 第60-67页 |
| ·APRIORI算法在人才素质测评中的应用 | 第62-66页 |
| ·APRIORI算法的改进 | 第66-67页 |
| ·各算法优缺点的比较 | 第67-68页 |
| ·本章小节 | 第68-69页 |
| 第五章 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 发表论文和科研情况说明 | 第73-74页 |
| 致谢 | 第74页 |
