| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题关键技术研究背景及其意义 | 第8页 |
| ·数据挖掘的发展历史及国内外研究现状 | 第8-9页 |
| ·数据挖掘技术在教育领域中的研究现状及意义 | 第9-10页 |
| ·论文研究背景及选题意义 | 第10-11页 |
| ·本文研究内容及论文结构 | 第11-13页 |
| 第2章 数据仓库及数据挖掘的相关知识 | 第13-26页 |
| ·数据仓库 | 第13-14页 |
| ·数据仓库概念 | 第13-14页 |
| ·数据仓库特点 | 第14页 |
| ·数据挖掘与知识发现 | 第14-18页 |
| ·数据挖掘的对象 | 第15页 |
| ·数据挖掘的目的 | 第15页 |
| ·数据挖掘的过程 | 第15-17页 |
| ·数据挖掘的任务 | 第17-18页 |
| ·数据挖掘的方法和技术 | 第18-19页 |
| ·归纳学习法、统计分析方法和模糊数学方法 | 第18-19页 |
| ·仿生物技术、可视化技术和公式发现 | 第19页 |
| ·其它的方法 | 第19页 |
| ·数据挖掘的应用领域 | 第19-20页 |
| ·数据挖掘中聚类算法的分析 | 第20-26页 |
| ·算法性能的衡量指标 | 第20-21页 |
| ·层次和划分方法 | 第21-23页 |
| ·基于密度、网格和模型的方法 | 第23-24页 |
| ·新的对象的聚类方法 | 第24-26页 |
| 第3章 学生成绩分析评价设计 | 第26-30页 |
| ·挖掘需求 | 第26-27页 |
| ·总体目标 | 第27页 |
| ·设计原则 | 第27-28页 |
| ·设计方法 | 第28-30页 |
| 第4章 基于学生成绩分析数据仓库建立 | 第30-42页 |
| ·学生成绩数据仓库结构设计 | 第30-32页 |
| ·学生成绩数据仓库模型设计 | 第32-35页 |
| ·数据仓库三级模型的构建 | 第32页 |
| ·数据仓库概念、逻辑和物理模型设计 | 第32-35页 |
| ·数据源构成分析 | 第35-37页 |
| ·数据仓库的建立 | 第37-39页 |
| ·实时数据采集 | 第37-39页 |
| ·分段存储区 | 第39页 |
| ·数据清洗 | 第39页 |
| ·技术选择 | 第39-42页 |
| ·QUEST | 第39-40页 |
| ·SSAS | 第40-42页 |
| 第5章 数据挖掘技术在学生成绩分析中的实现 | 第42-64页 |
| ·数据转移 | 第42-44页 |
| ·数据抽取 | 第42页 |
| ·数据清洗 | 第42-43页 |
| ·数据转换 | 第43-44页 |
| ·学生成绩数据仓库的建立与管理 | 第44-45页 |
| ·基于Microsoft聚类分析算法在学生成绩分析中的应用 | 第45-64页 |
| ·Microsoft聚类分析算法的基本概念 | 第45-47页 |
| ·学生成绩与相关变量分类过程 | 第47-53页 |
| ·构建学生成绩预测模型 | 第53-54页 |
| ·改进的K-M聚类算法 | 第54-56页 |
| ·学生成绩模型评估 | 第56-64页 |
| 第6章 结论与展望 | 第64-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-69页 |