应用自然邻居分类算法的大学生就业预测模型
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要内容 | 第12-15页 |
| 2 基础知识描述 | 第15-30页 |
| 2.1 分类算法概述 | 第15-21页 |
| 2.1.1 常用分类算法的比较 | 第15-19页 |
| 2.1.2 分类算法的评价标准 | 第19-21页 |
| 2.2 因子分析模型 | 第21-25页 |
| 2.2.1 因子分析的数学模型 | 第21-23页 |
| 2.2.2 因子分析的主要步骤 | 第23-25页 |
| 2.3 自然邻居技术 | 第25-28页 |
| 2.3.1 最近邻居 | 第25页 |
| 2.3.2 自然邻居思想 | 第25-27页 |
| 2.3.3 自然邻居搜索算法 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 基于因子分析的毕业生描述模型的建立与分析 | 第30-42页 |
| 3.1 毕业生描述指标体系的构建 | 第30-32页 |
| 3.2 毕业生就业数据的收集与处理 | 第32-34页 |
| 3.3 因子分析构建毕业生描述模型 | 第34-41页 |
| 3.3.1 数据质量检验 | 第34-35页 |
| 3.3.2 因子提取过程 | 第35-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于自然邻居分类算法的薪酬预测 | 第42-50页 |
| 4.1 训练样本加权算法 | 第42-43页 |
| 4.2 基于自然邻居的分类算法 | 第43-44页 |
| 4.3 仿真实验 | 第44-48页 |
| 4.3.1 实验评价指标和验证方法 | 第44-45页 |
| 4.3.2 实验结果与分析 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 总结与展望 | 第50-54页 |
| 5.1 论文工作总结 | 第50-51页 |
| 5.2 未来展望 | 第51-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |
| A. 作者在攻读学位期间发表的论文目录 | 第57页 |
