| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 项目背景和意义 | 第11-12页 |
| 1.2 研究的现状 | 第12-13页 |
| 1.3 研究的内容 | 第13页 |
| 1.4 论文的结构安排 | 第13-15页 |
| 第2章 数据挖掘的相关理论 | 第15-21页 |
| 2.1 数据挖掘概述 | 第15-16页 |
| 2.2 数据挖掘的对象 | 第16-17页 |
| 2.3 数据挖掘的方法 | 第17-18页 |
| 2.4 数据挖掘的应用领域 | 第18-19页 |
| 2.5 决策树的分类方法 | 第19-20页 |
| 2.5.1 决策树的生成过程 | 第19-20页 |
| 2.5.2 决策树剪枝 | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 决策树 ID3 算法及改进算法 | 第21-40页 |
| 3.1 决策树的典型算法 | 第21-28页 |
| 3.1.1 ID3 算法 | 第21-23页 |
| 3.1.2 ID3 算法的应用举例 | 第23-26页 |
| 3.1.3 其它决策树算法 | 第26-28页 |
| 3.2 ID3 的改进算法 | 第28-37页 |
| 3.2.1 ID3 算法的改进原理 | 第28-30页 |
| 3.2.2 ID3 的改进算法 | 第30-32页 |
| 3.2.3 ID3 改进算法的应用 | 第32-37页 |
| 3.3 实验结果分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 构建基于改进算法的就业分析模型 | 第40-48页 |
| 4.1 毕业生就业数据库的设计 | 第40-44页 |
| 4.1.1 概念模型设计 | 第40页 |
| 4.1.2 逻辑设计 | 第40-42页 |
| 4.1.3 数据预处理 | 第42-43页 |
| 4.1.4 训练与测试数据的生成 | 第43-44页 |
| 4.2 就业预测模型的构建 | 第44-47页 |
| 4.2.1 毕业生就业信息熵的计算 | 第44-45页 |
| 4.2.2 生成就业预测模型 | 第45-46页 |
| 4.2.3 就业分析模型的剪枝处理 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 就业分析模型的评价 | 第48-56页 |
| 5.1 就业分析模型的验证与分析 | 第48-52页 |
| 5.2 就业分析的应用---对毕业生就业成功的预测 | 第52-54页 |
| 5.2.1 就业预测方案一 | 第52-53页 |
| 5.2.2 就业预测方案二 | 第53-54页 |
| 5.3 可靠性分析 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |