改進(jìn)聚類分析算法及其在成績分析中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘被稱為未來信息處理的骨干技術(shù)，它以一種全新的概念改變著人類利用數(shù)據(jù)的方式。數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中提取有用的信息和知識(shí)的過程。這里要求數(shù)據(jù)源應(yīng)該是大量的、真實(shí)的、含有噪音的，所發(fā)現(xiàn)的信息和知識(shí)是潛在的并隱藏在大量數(shù)據(jù)背后的，是用戶感興趣的、可理解、可運(yùn)用的知識(shí)。聚類分析是數(shù)據(jù)挖掘的一項(xiàng)基本任務(wù)，聚類就是將數(shù)據(jù)對(duì)象分組成為多個(gè)類或簇，劃分的原則是在同一個(gè)簇中的對(duì)緣之間具有較高的相似度，而不同簇中的對(duì)象差別較大。 本研究以

2、省信息產(chǎn)業(yè)廳項(xiàng)目“嵌入式網(wǎng)上智能教學(xué)平臺(tái)”為背景，主要通過對(duì)數(shù)據(jù)挖掘技術(shù)的相關(guān)分析與比較，提出改進(jìn)的聚類分析算法，并將此算法與教育統(tǒng)計(jì)學(xué)相結(jié)合，從海量成績數(shù)據(jù)中提取出隱藏于其中的有用信息。開發(fā)了嵌入式網(wǎng)上智能教學(xué)平臺(tái)的成績分析系統(tǒng)，實(shí)現(xiàn)學(xué)生成績分析和試卷質(zhì)量評(píng)價(jià)報(bào)告的自動(dòng)生成。針對(duì)傳統(tǒng)的基于遺傳算法的K-means算法由于在遺傳過程中易早熟，在算法后期整個(gè)種群停滯不前而得不到全局最優(yōu)解的問題。提出一種改進(jìn)的基于遺傳算法的聚類分析算法。該

3、算法用一種改進(jìn)的基于模擬退火的自適應(yīng)方法對(duì)適應(yīng)度進(jìn)行拉仲，然后動(dòng)態(tài)調(diào)整交叉概率與變異概率并用跨世代精英選擇策略進(jìn)行選擇，同時(shí)結(jié)合經(jīng)典的K-means算法，使該算法可得到聚類劃分效果極佳的聚類中心。使用Java語言進(jìn)行了K－means算法和傳統(tǒng)的基于遺傳算法的K-means算法與本文算法的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，本算法有效地避免了K－means算法受初始聚類中心選擇的影響而容易陷入局部最優(yōu)的可能，并消除了對(duì)孤立點(diǎn)數(shù)據(jù)的敏感性，同時(shí)也克服了