声明
插图索引
附表索引
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 研究内容
1.4 论文结构
第2章 数据预处理
2.1 数据挖掘
2.2 数据清洗
2.3 数据集成
2.4 数据转换
(1)最小—最大规范化
(2)零—均值规格化
(3)小数定标规格化
2.5 数据规约
2.6 数据分析
2.7 数据预处理工具
2.8 本章小结
第3章 学生行为数据预处理
3.1 引言
3.2 数据简介
3.3 数据清洗
3.3.1 图书借阅数据清洗
3.3.2 消费数据清洗
3.3.3 成绩数据清洗
3.3.4 不同维度数据集成
3.4 本章小结
第4章 学生行为相关性研究
4.1 引言
4.2 关联规则
4.2.1 Apriori 算法
4.2.2 FP-Growth 算法
4.3 基于Apriori算法对学生行为的分析
4.3.1 行为数据离散化
4.3.2 行为数据的关联性分析
4.4 本章小结
第5章 学生行为聚类分析研究
5.1 引言
5.2 聚类算法
5.2.1 K-means算法
5.2.2 DSCAN算法
5.3 学生行为聚类分析
5.3.1 基于K-means算法的聚类分析
5.3.2 基于DSCAN算法的聚类分析
5.3 本章小结
总结与展望
总结
展望
参考文献
致谢
附录A 攻读学位期间成果目录
兰州理工大学;