| 第一章 引言 | 第1-10页 |
| 1．1 研究背景 | 第7页 |
| 1．2 研究现状 | 第7-8页 |
| 1．3 研究意义 | 第8页 |
| 1．4 本文章节安排 | 第8-10页 |
| 第二章 数据挖掘概论 | 第10-21页 |
| 第一节 数据挖掘的提出 | 第10-13页 |
| 2．1．1 数据挖掘是应需要而产生的 | 第10-11页 |
| 2．1．2 数据挖掘是信息技术自然演化的结果 | 第11-13页 |
| 第二节 数据挖掘与数据库中的知识发现 | 第13-15页 |
| 2．2．1 KDD的处理过程 | 第13-14页 |
| 2．2．2 数据挖掘系统的构成框架 | 第14-15页 |
| 第三节 数据挖掘基本概念 | 第15-21页 |
| 2．3．1 数据挖掘的任务 | 第16-17页 |
| 2．3．2 模式的有趣性 | 第17页 |
| 2．3．3 数据挖掘涉及的技术领域 | 第17-19页 |
| 2．3．4 数据挖掘所面临的挑战 | 第19-21页 |
| 第三章 关联规则挖掘理论 | 第21-41页 |
| 第一节 关联规则挖掘的基本理论 | 第21-25页 |
| 3．1．1 基本概念 | 第21-22页 |
| 3．1．2 属性值的处理方法 | 第22-24页 |
| 3．1．3 关联规则挖掘理论目前的发展状况 | 第24-25页 |
| 第二节 关联规则挖掘算法 | 第25-37页 |
| 3．2．1 Apriori算法 | 第25-31页 |
| 3．2．2 类Apriori算法的改进算法 | 第31-32页 |
| 3．2．3 不产生候选项集的频繁项集挖掘算法 | 第32-35页 |
| 3．2．4 多概念层关联规则挖掘算法 | 第35-37页 |
| 第三节 关联规则挖掘系统的设计方案 | 第37-41页 |
| 3．3．1 数据预处理 | 第38-40页 |
| 3．3．2 关联规则生成 | 第40页 |
| 3．3．3 知识的可视化表示 | 第40-41页 |
| 第四章 基于属性相悖集的有明确语义的关联规则挖掘方法APSM | 第41-49页 |
| 第一节 属性相悖集的概念 | 第41-43页 |
| 4．1．1 相悖关联规则现象 | 第41-42页 |
| 4．1．2 属性相悖关联规则出现的原因 | 第42页 |
| 4．1．3 属性相悖集的定义 | 第42-43页 |
| 第二节 基于属性相悖集的关联规则挖掘算法 | 第43-49页 |
| 4．2．1 属性的多维、多层、时段序列概念 | 第43-45页 |
| 4．2．1．1 多维概念 | 第43页 |
| 4．2．1．2 多层概念 | 第43-44页 |
| 4．2．1．3 时段序列概念 | 第44-45页 |
| 4．2．1．3．1 过程描述和时间优先序列 | 第44页 |
| 4．2．1．3．2 权重核算 | 第44-45页 |
| 4．2．1．3．3 重复序列 | 第45页 |
| 4．2．2 最大属性相悖集的构造和生成 | 第45-47页 |
| 4．2．3 属性相悖集的定理和算法 | 第47-49页 |
| 第五章 基于智能化学生素质教育管理评估分析系统的学生行为表现规律发现子系统的设计与实现 | 第49-63页 |
| 第一节 智能化学生素质教育管理评估分析系统介绍 | 第49-51页 |
| 5．1．1 系统简介 | 第49页 |
| 5．1．2 系统的主要特点 | 第49-50页 |
| 5．1．3 系统的体系构造和功能 | 第50-51页 |
| 5．1．4 学生行为表现规律发现的子系统的意义 | 第51页 |
| 第二节 学生行为表现规律发现子系统的设计与实现 | 第51-63页 |
| 5．2．1 需求分析 | 第51-52页 |
| 5．2．2 系统分析 | 第52页 |
| 5．2．3 开发环境与工具的选择 | 第52-53页 |
| 5．2．4 系统设计与实现 | 第53-62页 |
| 5．2．5 小结及建设性建议 | 第62-63页 |
| 第六章 小结与展望 | 第63-67页 |
| 第一节 本文小结 | 第63页 |
| 第二节 前景展望 | 第63-67页 |
| 6．2．1 数据挖掘 | 第63-65页 |
| 6．2．2 关联规则挖掘 | 第65-67页 |
| 参考文献 | 第67-69页 |