| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9-10页 |
| 1.2 数据挖掘相关理论 | 第10-12页 |
| 1.3 数据挖掘技术在教育上的应用现状 | 第12-14页 |
| 1.4 本文的主要工作 | 第14页 |
| 1.5 文章的内容安排 | 第14-16页 |
| 2 理论算法研究 | 第16-27页 |
| 2.1 关联规则相关理论 | 第16-18页 |
| 2.2 关联规则算法 | 第18-19页 |
| 2.3 神经网络相关理论 | 第19-20页 |
| 2.4 BP 神经网络的结构及算法设计 | 第20-23页 |
| 2.5 BP 神经网络存在的不足与相应的改进方案 | 第23-25页 |
| 2.6 决策树算法相关理论 | 第25-27页 |
| 3 基于 Apriori 算法对试题对应知识点关联分析 | 第27-34页 |
| 3.1 数据准备 | 第27-28页 |
| 3.2 关联分析实现与结果分析 | 第28-32页 |
| 3.3 关联规则模型在“在线作业”中的应用 | 第32-34页 |
| 4 改进的 BP 神经网络实现学生自适应学习模型 | 第34-48页 |
| 4.1 数据准备 | 第35-37页 |
| 4.2 模型选择及对可能遇到的问题分析 | 第37-38页 |
| 4.3 神经网络建模过程 | 第38-40页 |
| 4.4 对结果进行分析 | 第40-44页 |
| 4.5 对教师教学指导作用的可行性分析 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |