本文選題：K近鄰 + 高考錄取�。� 參考：《湘潭大學》2017年碩士論文

【摘要】：近年來,隨著大數(shù)據(jù)時代的到來,基于數(shù)據(jù)的統(tǒng)計學習方法已經引起了全世界范圍內的廣泛關注,通過數(shù)據(jù)挖掘技術獲取的規(guī)律和信息已經在包括市場分析,商務管理,工程設計,科學探索等多方面得到了廣泛應用。高考一直是國人較為關注的話題,統(tǒng)計學習方法是通過數(shù)據(jù)挖掘技術,從指定的數(shù)據(jù)中獲取人們所需的相關信息,讓人們作出更加實用有效的決策來解決相應實際問題的方法。本文將借助于統(tǒng)計學習方法來對高考進行科學合理的預測。當前,統(tǒng)計學習方法的應用領域十分廣泛,諸如語音識別,股票預測分析,生物信息統(tǒng)計等。在統(tǒng)計學習方法中,K近鄰方法是一種應用較為普遍的學習方法,并且具有較好的推廣。有鑒于此,本文以K近鄰算法為主要工具,進行高考成績的預測分析。在確定好所用方法模型之后,接下來就需要收集數(shù)據(jù)。為了對高考進行合理且科學的預測,本文以湘潭市某所具有代表性的普通高中2016屆高三學生為對象,整理了 652名考生的四次模擬考試成績和高考成績,刪掉缺考人員的數(shù)據(jù)后,一共得到520名考生的考試成績。然后用K近鄰算法來分析并處理這些數(shù)據(jù),對高考分數(shù)和錄取批次進行預測。基于收集到的數(shù)據(jù)集,在實驗中,本文主要涉及到了兩種情況,分別是高考基礎分的預測和高考錄取批次的預測。在實驗的結尾,將實驗結果和2016年高考實際情況進行對比,同時還將K近鄰方法下的實驗結果和神經網(wǎng)絡方法下的實驗結果進行了橫向對比,結果均顯示了 K近鄰在高考預測方面具有良好的準確性和可行性。
[Abstract]:In recent years, with the advent of big data's era, data-based statistical learning methods have attracted worldwide attention. The rules and information obtained through data mining technology have included market analysis, business management, etc. Engineering design, scientific exploration and other aspects have been widely used. College entrance examination has always been a topic of concern to Chinese people. The method of statistical learning is to obtain the relevant information from the specified data through data mining technology, so that people can make more practical and effective decisions to solve the corresponding practical problems. This article will use the statistical study method to carry on the scientific and reasonable forecast to the college entrance examination. At present, statistical learning methods are widely used in many fields, such as speech recognition, stock prediction and analysis, bioinformatics and so on. Among the statistical learning methods, the nearest neighbor method is a kind of widely used learning method, and it has a good generalization. In view of this, this paper uses K nearest neighbor algorithm as the main tool to predict and analyze the scores of college entrance examination. After determining the model of the method used, the next step is to collect the data. In order to make a reasonable and scientific prediction of the college entrance examination, this paper, taking a representative senior high school student in Xiangtan city as the object, collates the results of four simulated examinations and the results of the college entrance examination of 652 examinees. After deleting the data of the lack of examiners, a total of 520 examinee scores were obtained. Then the K-nearest neighbor algorithm is used to analyze and process these data to predict the scores of college entrance examination and the batch of admission. Based on the collected data sets, in the experiment, this paper mainly involves two kinds of cases, namely, the prediction of the basic score of the college entrance examination and the prediction of the batch of the entrance examination. At the end of the experiment, the experimental results are compared with the actual situation of the 2016 college entrance examination, and the results of the K-nearest neighbor method and the neural network method are compared horizontally. The results show that K-nearest neighbor has good accuracy and feasibility in the prediction of college entrance examination.
【學位授予單位】：湘潭大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：C81;G639.2

【相似文獻】

相關期刊論文 前10條

1 ;錄取批次[J];高校招生;2006年10期

2 呂迎春;;曲徑通幽：一本院校里的二本批次[J];招生考試通訊(高考版);2006年05期

3 ;錄取批次[J];高校招生;2007年11期

4 ;2008年河北省普通高校招生錄取批次和志愿設置辦法[J];考試與招生;2008年03期

5 劉建平;;細化錄取批次是解決高分落選和高分低就的重要途徑[J];高校招生;2002年08期

6 余揚;;解密各錄取批次的含義[J];招生考試通訊(高考版);2009年01期

7 ;業(yè)內觀察[J];四川教育;2010年Z1期

8 呂迎春;;細數(shù)“不按常理出牌”的大學錄取[J];高校招生;2013年06期

9 董小芳;黃嫻;;填報志愿:專業(yè)優(yōu)先,還是學校優(yōu)先[J];高中生;2008年14期

10 成成;;2010年我區(qū)普通高校招生網(wǎng)上錄取工作實施意見[J];內蒙古教育;2010年13期

相關會議論文 前10條

1 唐慧豐;譚松波;程學旗;;監(jiān)督學習方法在語氣挖掘中的應用研究[A];內容計算的研究與應用前沿——第九屆全國計算語言學學術會議論文集[C];2007年

2 建斌;志良;東升;;借助現(xiàn)代錄取手段,熱忱為考生高校服務——淺議河北連續(xù)三年細化錄取批次的成功經驗[A];招生考試科研論文集[C];2005年

3 孫義明;曾繼東;;數(shù)據(jù)挖掘技術及其應用[A];全國計算機安全學術交流會論文集（第二十二卷）[C];2007年

4 馬洪杰;曲曉飛;;數(shù)據(jù)挖掘技術和過程的特點[A];面向21世紀的科技進步與社會經濟發(fā)展（上冊）[C];1999年

5 寧紅梅;安志興;葛亞明;李敬璽;趙坤;鐘華;陳俊杰;崔艷紅;;數(shù)據(jù)挖掘技術在獸醫(yī)學中的應用[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年

6 王桂芹;黃道;;數(shù)據(jù)挖掘技術綜述[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

7 徐寶蓮;李曉奇;;數(shù)據(jù)挖掘技術在網(wǎng)絡游戲中的應用[A];第十一屆中國不確定系統(tǒng)年會、第十五屆中國青年信息與管理學者大會論文集[C];2013年

8 胡廣芹;陸小左;;數(shù)據(jù)挖掘技術在中醫(yī)診斷中的應用[A];中國中西醫(yī)結合學會診斷專業(yè)委員會2009’年會論文集[C];2009年

9 戈欣;吳曉芬;許建榮;;數(shù)據(jù)挖掘技術在放射科醫(yī)療管理中的潛在作用[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

10 鐵軍;吳智明;;數(shù)據(jù)挖掘技術在工業(yè)鋁電解生產中的應用[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2002年

相關重要報紙文章 前10條

1 21世紀教育研究院副院長 熊丙奇;學歷歧視始于錄取批次[N];東方早報;2011年

2 記者 施雨岑 吳晶 胡浩;逐步取消錄取批次，，“回歸”全國卷[N];新華每日電訊;2014年

3 郭文婧;取消錄取批次讓高校競爭更公平[N];法制日報;2014年

4 陳新;提前錄取批次不征集志愿[N];西安日報;2007年

5 記者 趙靜;我省普通高校招生錄取批次時間確定[N];青海日報;2013年

6 記者 汪大勇 通訊員 李全柱、林瓊;河北 細化錄取批次 增加考生選擇機會[N];光明日報;2002年

7 記者 金姝;我省高考填報志愿時間確定[N];吉林日報;2004年

8 王鳴琦邋郝春懷;高考提前錄取結束 一本錄取今日開始[N];陜西日報;2007年

9 王暉;大學生10種情形不得轉專業(yè)[N];河南日報;2007年

10 記者　 王晶 特約記者 梁煒;不同錄取批次學校間不得轉學[N];湖北日報;2006年

相關博士學位論文 前4條

1 沈忱;基于貝葉斯網(wǎng)絡數(shù)據(jù)挖掘技術研究《本草綱目》活血化瘀類中藥性—效—用關系[D];南京中醫(yī)藥大學;2015年

2 錢力維;胡國俊祛邪助運治療老年病學術思想和經驗總結[D];南京中醫(yī)藥大學;2016年

3 姚山;基于數(shù)據(jù)挖掘技術的造林決策研究[D];北京林業(yè)大學;2008年

4 曹秀英;基于粗集的數(shù)據(jù)挖掘技術及其應用研究[D];哈爾濱工程大學;2003年

相關碩士學位論文 前10條

1 陳波;基于K近鄰法的高考錄取預測研究[D];湘潭大學;2017年

2 陳瀟;幾種統(tǒng)計學習方法的研究及應用[D];中國海洋大學;2014年

3 朱祺鈞;基于統(tǒng)計學習方法的容錯計算[D];天津大學;2007年

4 代真真;基于統(tǒng)計學習方法的進化算法研究[D];華東師范大學;2014年

5 田珍珍;河北省獨立學院招生工作存在問題分析與研究[D];北京中醫(yī)藥大學;2014年

6 肖建國;數(shù)據(jù)挖掘技術在就業(yè)指導與本科教學改革工作中的應用研究[D];吉林大學;2008年

7 錢和平;基于改進的灰色理論數(shù)據(jù)挖掘技術的研究[D];內蒙古農業(yè)大學;2010年

8 安冬冬;基于數(shù)據(jù)挖掘技術的常規(guī)公交服務水平評價體系研究[D];西南交通大學;2015年

9 陳萍;數(shù)據(jù)挖掘技術在網(wǎng)絡教學中的應用研究[D];廣東技術師范學院;2015年

10 鄧博;基于數(shù)據(jù)挖掘技術構建電信4G客戶預測模型的研究[D];蘭州大學;2015年

本文編號：1820912