势函数聚类方法在高校学生评估模型系统中的应用

《势函数聚类方法在高校学生评估模型系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目势函数聚类方法在高校学生评估模型系统中的应用专业学位类别工程硕士学号200992230709作者姓名丁恒兵指导教师赵洋副教授万方数据分类号密级注1UDC学位论文势函数聚类方法在高校学生评估模型系统中的应用（题名和副题名）丁恒兵（作者姓名）指导教师赵洋副教授电子科技大学成都叶飞跃高工上海大学上海（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称软件工程提交论文日期2012.09论文答辩日期2012.11学位授予单位和日期电子科技大学2012年12月27日答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。万方数据THEAPPLICA

2、TIONOFPOTENTIALFUNCTIONCLUSTERINGMETHODINTHEUNIVERSITYEVALUATIONSIMULATIONSYSTEMAThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SoftwareEngineeringAuthor:DingHengbingAdvisor:ZhaoYangSchool:SchoolofComputerScienceandEngineering万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作

3、及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在

4、解密后应遵守此规定）作者签名：导师签名：日期：年月日万方数据摘要摘要存在于数据库中的庞大数据蕴藏着丰富而有用的信息，数据挖掘技术的发展使这些庞大的数据得到进一步分析和挖掘，其中数据预处理的主要目标是构建高质量的数据仓库，在信息损失最小的前提下，使用少数综合变量来概括原有多变量的数据库，是数据库模式特征提取方法的任务，可以使得数据综合变量所对应的样本属性概率分布尽可能地接近使用所有样本属性的原始分布，从而使重新构建的数据仓库中的数据挖掘更加容易执行，并获得高效率。本文提出的势函数概念，利用势函数融合方法，针对数据仓库面向主题、随时间变化的特征，将物理的或抽象的样本进行分组

5、并将相似样本归为一类样本的模式聚类方法，并对类进行不同程度的优化。方法首先，通过使用基于样本分布概率的经典模式聚类算法DBSCAN，对经过模式特征提取的样本进行初步模式聚类确定其类中心；然后根据用户不同的需求，通过不同性质的势函数融合对初始模式聚类进行有目的的优化，从而实现样本与聚类中心、类与类之间的联系；最后在学生群体样本的模式聚类讨论中，对于孤立样本进行优化处理，达到满意的效果。在优化过程中，用户需求驱动起到决定性作用，而结果评价则突出强调了生成模式聚类时用户作用的重要性。关键词：数据挖掘，数据模式特征，基于样本分布概率的模式聚类，势函数I万方数据AbstractA

6、bstractAnalyzingdataandminingtheinformationinhugedatabase,andfindingtheusefulknowledgefromnumerousandcomplicateddata,itisthepurposeofdatamining.Constructionofahighqualitydatawarehouseisthemainpurposeofdatapretreatment.Bytherelationshipofthedatawarehousesanddatapreprocessing,the“DatabaseP

7、rincipalComponentExtraction”,presentedinthisissue,whichmakeusinglesssynthesisattributevariabletogeneralizethedatabasethatincludelotsofattributeoriginallywithlowinformationloss.Itcanmakethewholedatabase’sdataquantityrelativelyreduce,andthenthedataobjects’probabilitydistrib