隨著互聯(lián)網(wǎng)+教育的飛速發(fā)展,在線學習受到大眾的歡迎,與此同時在線學習資源大量涌現(xiàn),但學習資源的質(zhì)量難以把控,不利于學習者學習,直接影響在線學習的質(zhì)量。因此,準確的分析并提高在線學習資源的質(zhì)量,對提高用戶滿意度、幫助在線學習平臺的長遠發(fā)展具有重要的意義。為了能夠精準地分析在線學習資源的質(zhì)量,論文結(jié)合研究內(nèi)容的特征使用K-means算法作為在線學習資源的聚類算法,并根據(jù)K-means算法的優(yōu)缺點對其進行改進。論文將改進的K-means算法應用到在線學習資源質(zhì)量分析中,設計并實現(xiàn)了在線學習資源質(zhì)量分析系統(tǒng)。論文的主要工作如下:（1）提出了CWK-means算法。論文針對K-means在聚類過程中會有一些屬性影響聚類結(jié)果,提出增加權(quán)重因素;對初始聚類中心比較敏感,隨機選取初始聚類中心可能會陷入局部最優(yōu)解的情況,提出了初始聚類中心選取方法。將這兩點改進融入到K-means算法中,最終提出了基于權(quán)重的初始聚類中心的K-means算法（簡稱CWK-means算法）。論文詳細介紹了CWK-means的算法思想和步驟,最后通過實驗證實了CWK-means算法的有效性,該算法在學習資源數(shù)據(jù)集中的平均聚類精... 

【文章來源】：江蘇大學江蘇省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

數(shù)據(jù)點分布對比圖

江蘇大學工程碩士學位論文19Step2數(shù)據(jù)對象(∈[1,])對應的距離密度，計算公式如下：ddf()=∑(,)∑(,)=1=1（3.13）Step3計算數(shù)據(jù)點(∈[1,])的有效區(qū)域半徑，為領域半徑調(diào)節(jié)系數(shù)，計算公式如下：=×1∑()=1（3.14）Step4計算以數(shù)據(jù)對象點密度()，計算公式如下：()=|{|(,)≤,∈}|（3.15）Step5選取點密度最大的數(shù)據(jù)點作為第一個初始聚類中心C1，再選取和C1距離超過R1的且密度僅次于C1的第二個初始聚類中心C2，重復選取初始聚類中心，直到找到K個聚類中心。3.3K值的確定使用手肘法能夠較為直觀的得到K的取值。其基本思想是：從K=2開始，K的取值逐漸增大，數(shù)據(jù)集會被劃分的更加精準，簇的聚合程度變高，SSE變小，當聚類個數(shù)小于實際聚類個數(shù)時，K增大SSE會大幅度減小，聚類個數(shù)等于實際聚類個數(shù)時，SSE減小的程度趨于平緩[47]。SSE和K的關(guān)系圖如圖3.2所示，兩者的關(guān)系可以在圖中清楚地發(fā)現(xiàn)類似一個手肘的形狀，而這個肘部對應的K值就是數(shù)據(jù)的實際聚類數(shù)。圖3.2手肘法示意圖

江蘇大學工程碩士學位論文23法，在這樣的情況下CWK-means算法時間上的犧牲是值得的。下面以haberman數(shù)據(jù)集為例，原始分布如圖3.4所示，本文提出的CWK-means算法和其他三種對比算法的聚類效果如圖3.5所示。從數(shù)據(jù)點的分布情況看CWK-means算法的聚類效果明顯優(yōu)于其他兩種算法略遜色于基于權(quán)重距離的K-means算法。圖3.4Haberman數(shù)據(jù)集分布圖（a）K-means（b）基于密度的K-means（c）基于權(quán)重距離的K-means（d）CWK-means圖3.5haberman數(shù)據(jù)集聚類結(jié)果

【參考文獻】：
期刊論文
[1]基于改進的K-means聚類的多區(qū)域物流中心選址算法[J]. 魯玲嵐,秦江濤.  計算機系統(tǒng)應用. 2019(08)
[2]基于改進K-medoids的聚類質(zhì)量評價指標研究[J]. 鄒臣嵩,段桂芹.  計算機系統(tǒng)應用. 2019(06)
[3]基于加權(quán)質(zhì)量評價函數(shù)的K-means圖像分割算法[J]. 劉長齊,邵堃,霍星,范冬陽,檀結(jié)慶.  計算機科學. 2019(S1)
[4]聚類算法綜述[J]. 章永來,周耀鑒.  計算機應用. 2019(07)
[5]基于DTW距離度量的層次聚類算法[J]. 陶洋,鄧行,楊飛躍,潘蕾娜.  計算機工程與設計. 2019(01)
[6]改進的K-means聚類k值選擇算法[J]. 王建仁,馬鑫,段剛龍.  計算機工程與應用. 2019(08)
[7]高職“個性化學習微課”的質(zhì)量評判分析[J]. 蔣勇,張朝霞.  職教論壇. 2018(08)
[8]基于空間距離自適應權(quán)重度量的粗糙K-means算法[J]. 王慧研,張騰飛,馬福民.  計算機科學. 2018(07)
[9]國內(nèi)高校在線課程建設理念演化——兼論“互聯(lián)網(wǎng)+教育”生態(tài)體系構(gòu)建[J]. 許歡,張詩亞,羅江華.  現(xiàn)代遠程教育研究. 2018(03)
[10]基于AHP和混合Apriori-Genetic算法的交通事故成因分析模型[J]. 鄧曉衡,曾德天.  計算機應用研究. 2019(06)

碩士論文
[1]基于個性化推薦的在線學習系統(tǒng)研究與實現(xiàn)[D]. 鞏曉悅.北京郵電大學 2019
[2]基于Android的在線學習系統(tǒng)的設計與實現(xiàn)[D]. 李喬.吉林大學 2018
[3]學習行為分析與學業(yè)預警系統(tǒng)研究與設計[D]. 孫昊.蘇州大學 2017
[4]基于網(wǎng)絡學習行為分析的評價模型研究[D]. 李念.華中師范大學 2007



本文編號：3362155