基于K-Means的慕課用戶(hù)行為分析研究.pdf

1、隨著“互聯(lián)網(wǎng)+教育”的全民普及，慕課（大規(guī)模在線(xiàn)開(kāi)放課程）的發(fā)展如火如荼，為人們接受在線(xiàn)教育提供了一個(gè)廣闊的平臺(tái)，而國(guó)內(nèi)慕課的實(shí)踐研究遠(yuǎn)早于理論研究，眾多慕課平臺(tái)紛紛涌現(xiàn)。慕課用戶(hù)的知識(shí)背景和學(xué)習(xí)動(dòng)機(jī)呈多樣性分布，并在學(xué)習(xí)的過(guò)程中產(chǎn)生豐富的學(xué)習(xí)行為數(shù)據(jù)，為了探索蘊(yùn)含在數(shù)據(jù)中的規(guī)律，針對(duì)不同的用戶(hù)群體提供個(gè)性化的環(huán)境和學(xué)習(xí)指導(dǎo)，分析和研究用戶(hù)的行為數(shù)據(jù)是十分有必要的。
　　聚類(lèi)分析是一種常用的探索性數(shù)據(jù)挖掘方法，是無(wú)監(jiān)督機(jī)器學(xué)習(xí)的典

2、型應(yīng)用，不僅可以用于分類(lèi)數(shù)據(jù)的多元統(tǒng)計(jì)分析，也可以為其他算法提供預(yù)處理。在研究和歸納用戶(hù)行為分析方法的基礎(chǔ)上，本文選擇K-Means算法進(jìn)行聚類(lèi)分析，通過(guò)進(jìn)行算法的優(yōu)化和構(gòu)建成績(jī)預(yù)測(cè)模型，成功實(shí)現(xiàn)了慕課用戶(hù)的成績(jī)預(yù)測(cè)，并構(gòu)建成績(jī)預(yù)測(cè)模塊，實(shí)現(xiàn)成績(jī)預(yù)測(cè)值的可視化展示。
　　本文的主要研究工作有:
　　(1)基于慕課用戶(hù)行為數(shù)據(jù)，對(duì)用戶(hù)的學(xué)習(xí)行為數(shù)據(jù)的基本信息、用戶(hù)類(lèi)型、影響成績(jī)的因素等三個(gè)方面進(jìn)行深入地分析和探索，得出一些相關(guān)

3、結(jié)論。
　　(2)本文利用特征選擇和初始聚類(lèi)中心的優(yōu)化選取算法，提出了一種K-Means特征選擇算法，并提出一個(gè)均衡判別函數(shù)平衡類(lèi)簇內(nèi)差異和類(lèi)簇間差異。
　　(3)將K-Means特征選擇算法得到的聚類(lèi)中心作為神經(jīng)網(wǎng)絡(luò)的中心，設(shè)置預(yù)測(cè)模型的參數(shù)和輸入輸出變量，選擇RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建一個(gè)成績(jī)預(yù)測(cè)模型，并動(dòng)態(tài)更新該模型，以更為準(zhǔn)確地實(shí)現(xiàn)成績(jī)的預(yù)測(cè)。
　　本文設(shè)計(jì)了仿真實(shí)驗(yàn)驗(yàn)證算法的高效性，對(duì)比K-Means特征選擇算法和基