聚類方法在網(wǎng)絡(luò)教育教學(xué)管理中的應(yīng)用.pdf

1、信息化的發(fā)展，信息量的增加，促進了數(shù)據(jù)挖掘的產(chǎn)生和發(fā)展。數(shù)據(jù)挖掘技術(shù)現(xiàn)在已經(jīng)在網(wǎng)絡(luò)搜索、銀行業(yè)等行業(yè)有了非常廣泛地應(yīng)用。數(shù)據(jù)挖掘相關(guān)的算法有很多，其中聚類分析相關(guān)的算法可以分為劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。
　　 將基于網(wǎng)格的算法和基于密度的算法相結(jié)合，一方面可以滿足聚類不同形狀簇的要求，另一方面也能夠減少聚類時間。GDD算法在這種思想基礎(chǔ)上，將距離信息特征的思想加入到算法中，考慮簇與簇之間

2、的關(guān)系，提高了算法的適應(yīng)性，避免聚類陷入局部最優(yōu)。
　　 本文在介紹數(shù)據(jù)挖掘基本理論與經(jīng)典算法的基礎(chǔ)上，基于GDD算法提出一種基于網(wǎng)格和密度的帶有層次因子與距離因子的GDLD算法，GDLD算法不僅具有基于密度算法能夠發(fā)現(xiàn)任意形狀簇的特性，而且在基于網(wǎng)格的基礎(chǔ)上能夠有效提高算法效率。層次因子的加入使算法能夠更好地體現(xiàn)每個簇內(nèi)部的密度特點，同時加上優(yōu)化的距離因子，增強了算法反映數(shù)據(jù)集密度波動性的能力，能夠比較好的適應(yīng)密度波動比較大的