数据挖掘在个性化学习系统中的应用研究
| 论文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 数据挖掘的研究现状 | 第9-10页 |
| 1.2.2 个性化网络学习系统的研究现状 | 第10-11页 |
| 1.3 论文的目标、主要内容 | 第11-13页 |
| 1.3.1 论文的目标 | 第11-12页 |
| 1.3.2 论文主要内容 | 第12-13页 |
| 1.4 论文框架 | 第13-14页 |
| 第二章 个性化学习系统相关理论及技术基础 | 第14-27页 |
| 2.1 个性化学习的社会背景与理论基础 | 第14-18页 |
| 2.1.1 个性化学习的社会背景 | 第14页 |
| 2.1.2 个性化学习的理论基础 | 第14-18页 |
| 2.1.2.1 行为主义学习理论与认知心理学 | 第14-15页 |
| 2.1.2.2 多元智能理论 | 第15-16页 |
| 2.1.2.3 建构主义学习理论 | 第16-17页 |
| 2.1.2.4 人本主义学习理论 | 第17-18页 |
| 2.2 数据挖掘的概念及过程 | 第18-27页 |
| 2.3.1 聚类算法 | 第20-24页 |
| 2.3.1.1 聚类的定义 | 第20页 |
| 2.3.1.2 聚类算法的要求 | 第20-21页 |
| 2.3.1.3 基本聚类方法概述 | 第21-23页 |
| 2.3.1.4 聚类的过程 | 第23-24页 |
| 2.3.2 关联规则 | 第24-27页 |
| 2.3.2.1 关联规则的基本概念 | 第24-25页 |
| 2.3.1.2 关联规则挖掘的过程 | 第25页 |
| 2.3.2.3 Apriori算法的基本思想 | 第25-27页 |
| 第三章 个性化学习模型的建立 | 第27-43页 |
| 3.1 个性化学习模型的整体结构 | 第27-28页 |
| 3.2 聚类算法在个性化学习模型中的应用 | 第28-36页 |
| 3.2.1 问题的提出 | 第28页 |
| 3.2.2 聚类挖掘模型的建立 | 第28-29页 |
| 3.2.3 数据预处理 | 第29-31页 |
| 3.2.4 聚类算法的提出 | 第31-36页 |
| 3.2.4.1 算法的选择 | 第31页 |
| 3.2.4.2 初始中心选择的优化 | 第31-33页 |
| 3.2.4.3 收敛速度的优化 | 第33-36页 |
| 3.3 关联规则算法在个性化学习模型中的应用 | 第36-43页 |
| 3.3.1 定义及符号 | 第37-38页 |
| 3.3.2 关联规则挖掘模型的构建 | 第38-39页 |
| 3.3.3 关联规则算法的提出 | 第39-43页 |
| 3.3.3.1 候选序列处理函数算法 | 第39-40页 |
| 3.3.3.2 频繁序列处理函数算法 | 第40-41页 |
| 3.3.3.3 近似序列处理函数算法 | 第41-43页 |
| 第四章 个性化学习模型的应用与实现 | 第43-53页 |
| 4.1 系统分析 | 第43-44页 |
| 4.1.1 需求分析 | 第43页 |
| 4.1.2 设计目标 | 第43-44页 |
| 4.2 系统设计 | 第44-49页 |
| 4.2.1 功能逻辑设计 | 第44-45页 |
| 4.2.2 详细设计 | 第45-48页 |
| 4.2.3 推荐流程设计 | 第48-49页 |
| 4.3 系统实现及效果评价 | 第49-53页 |
| 第五章 总结 | 第53-54页 |
| 5.1 总结 | 第53页 |
| 5.2 不足与改进方向 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 在学期间发表的学术论文 | 第58-59页 |
