研究生入學(xué)成績是導(dǎo)師初步了解學(xué)生學(xué)習(xí)能力、學(xué)習(xí)風(fēng)格、制定研究生培養(yǎng)方案的重要參考指標(biāo)。隨著學(xué)校招生規(guī)模的擴(kuò)大,學(xué)生人數(shù)的增加,研究生入學(xué)成績的日趨復(fù)雜,傳統(tǒng)的分析方法已經(jīng)不能滿足當(dāng)前對于研究生入學(xué)成績分析的需要。通過應(yīng)用K-means聚類算法對研究生入學(xué)成績進(jìn)行分析,將研究生入學(xué)成績進(jìn)行分類,發(fā)現(xiàn)學(xué)生成績分布的特點(diǎn),找出成績之間的關(guān)系,了解學(xué)生各科的學(xué)習(xí)狀況,找到適合學(xué)生發(fā)展的方向,以實(shí)現(xiàn)個(gè)性化的研究生教育和培養(yǎng),所得結(jié)果為研究生培養(yǎng)方案的制定與研究生進(jìn)行研究方向的選擇提供了借鑒意義。首先,分析了幾種主要聚類算法應(yīng)用于研究生入學(xué)成績的適用性;其次,介紹了K-means聚類算法;最后,對研究生入學(xué)成績進(jìn)行數(shù)據(jù)分析、預(yù)處理。通過實(shí)驗(yàn)證明了K-means聚類算法在研究生入學(xué)成績分析中的實(shí)用性。 

【文章來源】：計(jì)算機(jī)技術(shù)與發(fā)展. 2019,29(02)

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 聚類分析
    1.1 層次聚類算法
    1.2 基于密度的聚類算法
    1.3 基于網(wǎng)格的聚類算法
    1.4 基于模型的聚類算法
    1.5 劃分聚類算法
2 K-means聚類算法
3 K-means聚類算法在學(xué)生入學(xué)成績分析中的應(yīng)用
    3.1 數(shù)據(jù)來源
    3.2 數(shù)據(jù)預(yù)處理
    3.3 聚類數(shù)的處理
    3.4 聚類結(jié)果分析
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于K-means均值算法的學(xué)生成績分析——以福州外語外貿(mào)學(xué)院信息管理與信息系統(tǒng)專業(yè)為例[J]. 葉福蘭.  貴陽學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(03)
[2]數(shù)據(jù)挖掘之聚類分析算法綜述[J]. 楊佳潤.  通訊世界. 2017(16)
[3]數(shù)據(jù)挖掘常用聚類算法分析與研究[J]. 陳向東.  數(shù)字技術(shù)與應(yīng)用. 2017(04)
[4]基于標(biāo)準(zhǔn)偏移量的學(xué)生成績K-means聚類分析算法研究[J]. 孫菲,張健沛,董野,任福棟,于濤,郭春平.  齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[5]一種自動(dòng)模糊聚類的算法[J]. 周麗華,黃成泉,王林.  統(tǒng)計(jì)與決策. 2014(20)
[6]K-means聚類算法研究[J]. 華婷婷.  黃山學(xué)院學(xué)報(bào). 2013(05)
[7]K-Means算法在計(jì)算機(jī)等級考試成績分析中的應(yīng)用[J]. 曾旭,司馬宇.  軟件導(dǎo)刊. 2012(11)
[8]K-means聚類算法研究綜述[J]. 王千,王成,馮振元,葉金鳳.  電子設(shè)計(jì)工程. 2012(07)
[9]K-means算法研究綜述[J]. 吳夙慧,成穎,鄭彥寧,潘云濤.  現(xiàn)代圖書情報(bào)技術(shù). 2011(05)
[10]一種改進(jìn)的K-means聚類算法[J]. 王勇,劉建平,蔡長霞.  工業(yè)控制計(jì)算機(jī). 2010(08)

碩士論文
[1]層次聚類算法的改進(jìn)[D]. 孫海.哈爾濱工程大學(xué) 2014
[2]聚類算法在學(xué)生成績分析中的應(yīng)用研究[D]. 單玉雙.遼寧工程技術(shù)大學(xué) 2009



本文編號：3618151