声明
摘要
1 绪论
1.1 研究背景意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状及问题剖析
1.3.2 论文组织结构
1.4 论文主要创新点
2 国内外研究文献综述及评述
2.1 教育预测文献的总体分析
2.2 教育预测模型和方法
2.3 RBF网络优化算法综述
2.4 本章小结
3 理论基础
3.1 教育数据挖掘
3.2 关联规则分析
3.3 预测理论与方法
3.4 神经网络预测法
3.5 教育预测模型基本框架
4 数据预处理方法
4.2.2 领域特
4.3 数据预处理
4.3.1 事务型数据采集原理
4.3.2 事务型数据采集方法
4.3.3 插值法扩充数据量
5 混合预测模型与算法
5.2.1 学习预测模型设计的一般模式
5.2.2 关联预测模型的设计模式
5.3 关联项目挖掘模型
5.3.2 关联规则挖掘的步骤
5.3.3 关联规则实例及参数意义
5.4 预测算法设计
5.4.1 RBF神经网络算法
5.4.2 RBF神经元数据中心选取优化算法
5.5 本章小结
6 混合预测模型应用研究
6.2.1 数据预处理
6.2.2 关联规则挖掘
6.2.3 预测实验
6.2.4 实验结果分析
6.3 就业类型预测
6.3.1 数据预处理
6.3.2 关联规则挖掘
6.3.3 预测实验及结果分析
6.4 模型效果分析
6.5 本章小结
7总结和展望
7.2 研究局限与展望
参考文献
攻读学位期间参与项目及科研成果
致谢