| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第2章 相关技术分析 | 第18-23页 |
| 2.1 数据挖掘概述 | 第18-20页 |
| 2.2 关联规则的基本概念 | 第20-22页 |
| 2.2.1 经典的Apriori算法分析 | 第20-21页 |
| 2.2.2 关联规则生成算法 | 第21-22页 |
| 2.3 小结 | 第22-23页 |
| 第3章 Apriori算法研究及改进 | 第23-44页 |
| 3.1 Apriori算法的概述 | 第23-29页 |
| 3.1.1 使用候选项集找频繁项集 | 第23-27页 |
| 3.1.2 由频繁项集产生强关联规则 | 第27-28页 |
| 3.1.3 Apriori算法实现描述 | 第28-29页 |
| 3.2 算法在高校学生信息中的问题 | 第29-31页 |
| 3.2.1 当前我国高校毕业生就业现状 | 第29-30页 |
| 3.2.2 高校就业属性 | 第30-31页 |
| 3.3 Apriori算法的改进 | 第31-39页 |
| 3.3.1 改进算法属性选择的过程 | 第33-34页 |
| 3.3.2 影响应用结果的因素 | 第34-39页 |
| 3.4 新旧算法的比较 | 第39页 |
| 3.5 算法的验证 | 第39-42页 |
| 3.6 小结 | 第42-44页 |
| 第4章 改进的Apriori算法在学生就业系统中的应用 | 第44-64页 |
| 4.1 学生就业分析系统设计原则 | 第44-47页 |
| 4.1.1 学生就业分析系统设计原则 | 第44-45页 |
| 4.1.2 系统的结构设计 | 第45-47页 |
| 4.1.3 数据表的设计 | 第47页 |
| 4.2 算法在应用平台上的结构设计 | 第47-54页 |
| 4.3 算法在应用平台上的实现 | 第54-59页 |
| 4.4 应用结果的比较与分析 | 第59-63页 |
| 4.4.1 应用结果分类 | 第59-60页 |
| 4.4.2 第一类规则的具体描述说明 | 第60页 |
| 4.4.3 第二类规则的具体描述说明 | 第60-61页 |
| 4.4.4 第三类规则的具体描述说明 | 第61-63页 |
| 4.5 小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |