本文關鍵詞：聚類分析在協(xié)調(diào)我國區(qū)域性普通高等教育發(fā)展中的應用

  更多相關文章： 聚類分析 區(qū)域性普通高等教育 差異性發(fā)展

【摘要】：聚類分析在社會科學研究方面有很大的應用價值。聚類分析可以把研究對象按樣本或者指標在性質上的親密度分解成多個類,使類內(nèi)對象相似性較高,類間對象相似性較低。通過聚類分析,可以識別數(shù)據(jù)集的分布結構以及數(shù)據(jù)之間的相似程度。在社會問題決策過程中,我們經(jīng)常會遇到這樣的問題：不同的區(qū)域、行業(yè),不同層次收入的人群,在制定決策時不能一概而論,而是需要分類決策。研究分類數(shù)據(jù),我們經(jīng)常會用聚類分析方法,進行數(shù)據(jù)結構識別和相似性度量,以便可以正確而高效地解決問題。聚類分析算法的用途范圍非常之廣。在商務上,市場研究者可以利用聚類在許多的消費者群體數(shù)據(jù)中分類出不同的消費群體,并用不同的消費模式來描述不同的消費群體的特征；在社會經(jīng)濟發(fā)展中,可以對區(qū)域經(jīng)濟與社會發(fā)展水平進行聚類分析,并對全國區(qū)域經(jīng)濟進行整體分類評價；在生物上,可以對各種植物或者各種動物種類進行聚類分類,對各種基因或者各種蛋白質進行聚類分類,然后得到對各種種群組成的結構更加清晰的理解和認識。聚類算法可以獨立地得到數(shù)據(jù)分布的情況,觀察每個分類簇的特征,并對這些特征的節(jié)點進行再分析。歷經(jīng)多年的發(fā)展,我們國家各地區(qū)普通高教發(fā)展非常之迅速,各地區(qū)高等院校也為國家、社會輸送了大量的高學歷畢業(yè)生。然而因為我們國家不同的地區(qū)呈現(xiàn)出不均衡的經(jīng)濟發(fā)展狀況,并且各個地區(qū)與生俱來的高校布局結構導致我們國家每個地區(qū)高教發(fā)展起跑線不在同一條水平線上,所以我國31個地區(qū)的高教水平有著某些程度上的差別。本文利用聚類分析方法對我們國家區(qū)域性高教發(fā)展相關的數(shù)據(jù)資料進行分類整理,發(fā)掘各地區(qū)市高教前進發(fā)展過程中的差異、規(guī)律、結構與特點,這種分析方法對政府的決策和管理各部室、各地區(qū)市在整體上掌控我們國家普通高教的前進進程和發(fā)展水平,對不同類的地區(qū)分析原因,對不同類的地區(qū)制定不同的政策,以便更全面整體的指引我們國家普通高等教育的健康快速發(fā)展。本文首先介紹聚類分析算法相關的主要理論,主要介紹各種聚類算法的基本思想以及適用的數(shù)據(jù)集類型,探討根據(jù)樣本或指標數(shù)據(jù)如何選擇合理的聚類算法,以我國各地區(qū)普通高等教育的數(shù)據(jù)集為例,利用MATLAB軟件和SPSS軟件實現(xiàn)對數(shù)據(jù)集的聚類分析過程。根據(jù)算法生成的結果,明確各地區(qū)普通高等教育的差異與特點,根據(jù)各地區(qū)政治、經(jīng)濟、文化、地理以及人文特點,建議有針對性的制定相關政策,各地區(qū)發(fā)展差異不足時實施擴大差異的發(fā)展戰(zhàn)略,差異過大時實施平衡性的發(fā)展戰(zhàn)略以調(diào)整性促進我國高教事業(yè)的整體健康發(fā)展,同時體現(xiàn)出聚類分析理論在社會政治、經(jīng)濟領域中的實用價值。
【關鍵詞】：聚類分析 區(qū)域性普通高等教育 差異性發(fā)展
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：G649.2
【目錄】：

• 中文摘要8-10
• 英文摘要10-13
• 第一章 緒論13-15
• §1.1 研究背景及意義13-14
• §1.2 研究內(nèi)容與組織結構14-15
• §1.2.1 研究內(nèi)容14
• §1.2.2 組織結構14-15
• 第二章 聚類分析的主要理論15-23
• §2.1 聚類與分類的區(qū)別15
• §2.2 數(shù)據(jù)類型與相似性度量15-18
• §2.3 層次聚類算法18-20
• §2.3.1 凝聚法和分裂法19-20
• §2.3.2 CURE方法20
• §2.4 快速聚類算法20-22
• §2.4.1 K-means算法20-21
• §2.4.2 K-medoids算法21
• §2.4.3 CLARA算法21-22
• §2.5 基于網(wǎng)格的算法22
• §2.6 基于密度的算法22
• §2.7 基于模型的算法22-23
• 第三章 聚類分析我國各地區(qū)普通高等教育的發(fā)展狀況23-45
• §3.1 普通高等教育評價指標體系23-25
• §3.2 數(shù)據(jù)的收集與整理25-27
• §3.3 層次聚類分析27-38
• §3.3.1 R型聚類分析27-30
• §3.3.2 Q型聚類分析30-38
• §3.4 聚類結果的實際意義38-39
• §3.5 聚類算法的改進39-45
• 第四章 結論與展望45-47
• 參考文獻47-49
• 附錄49-51
• 致謝51-52
• 學位論文評閱及答辯情況表52

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孟姍姍;;全國地區(qū)小康和現(xiàn)代化指數(shù)的層次聚類分析[J];品牌(理論版);2010年10期

2 肖宜濱;聚類分析的理論及其應用[J];江蘇統(tǒng)計;2001年11期

3 揭水平;;多維標度法的聚類分析:問題與解法[J];統(tǒng)計與決策;2009年11期

4 王路德;;聚類分析在體育中的應用[J];體育科學;1984年02期

5 ;聚類分析[J];教育科研情況交流;1984年05期

6 王冶;于洋;;樣品的聚類分析與選材[J];沈陽體育學院學報;1984年01期

7 張福寶;聚類分析[J];統(tǒng)計研究;1986年01期

8 夏結來,曹秀堂;典型聚類分析[J];數(shù)理統(tǒng)計與管理;1987年03期

9 韋建英;全國37單位科普活動的聚類分析[J];數(shù)理統(tǒng)計與管理;1989年03期

10 張宗雄;;利用最大樹的方法進行選材因素的聚類分析[J];貴州體育科技;1989年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學術年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學會第七屆代表大會暨學術研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學力學物理學高新技術交叉研究學會第十二屆學術年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運籌學[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關系探討[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

8 牛東曉;乞建勛;;網(wǎng)絡資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學學術會議論文集[C];2001年

9 詹原瑞;彭書杰;李如一;;基于聚類分析的企業(yè)信用等級評價方法[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學會第12屆年會論文集[C];2002年

10 鄒曉玫;修春波;;基于聚類分析的犯罪率相關因素的研究[A];當代法學論壇（二○一○年第3輯）[C];2010年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 張建萍;基于計算智能技術的聚類分析研究與應用[D];山東師范大學;2014年

2 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學;2006年

3 楊旭杰;基于統(tǒng)計方法模型分析的中藥復方專利保護研究[D];北京中醫(yī)藥大學;2012年

4 李寶玲;王裕頤教授學術思想與臨床經(jīng)驗總結及治療眩暈證治規(guī)律研究[D];北京中醫(yī)藥大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李元俊;大學生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學;2015年

2 馮雪冰;基于模糊理論的EM算法在聚類分析的應用研究[D];中國地質大學(北京);2015年

3 張沛之;基于聚類分析的海報風格分類之研究[D];青島大學;2015年

4 何力驁;基于聚類分析的激光誘導擊穿光譜爆炸物識別技術研究[D];北京理工大學;2016年

5 趙文睿;基于聚類分析的中國房地產(chǎn)企業(yè)信用評級實證研究[D];吉林大學;2016年

6 賈偉;基于聚類分析和灰色模型的短期雷擊預警系統(tǒng)設計[D];吉林大學;2016年

7 欒海洋;動車組質量數(shù)據(jù)聚類分析研究與應用[D];北京交通大學;2016年

8 黃智函;盜竊犯罪時空分布特征研究[D];福州大學;2014年

9 王冰冰;雙類型信息網(wǎng)絡聚類分析[D];吉林大學;2016年

10 劉劍;基于聚類分析的CAM模板自動提取的研究[D];華中科技大學;2014年

，

本文編號：979012