數(shù)據(jù)挖掘聚類算法在學(xué)生信息管理系統(tǒng)中的應(yīng)用

陳志忠

(四川郵電職業(yè)技術(shù)學(xué)院，四川成都610067)

數(shù)據(jù)挖掘聚類算法在學(xué)生信息管理系統(tǒng)中的應(yīng)用

陳志忠

(四川郵電職業(yè)技術(shù)學(xué)院，四川成都610067)

針對(duì)傳統(tǒng)的K-means聚類算法在學(xué)生信息管理中受隨機(jī)中心地址的影響，提出了數(shù)據(jù)分段方法進(jìn)行中心地址選擇。該算法將數(shù)據(jù)源進(jìn)行K段劃分，接著在每段內(nèi)中選擇中心地址，使用迭代回歸方法進(jìn)行中心選擇。在現(xiàn)有部分學(xué)生信息上進(jìn)行仿真結(jié)果表明，算法的迭代次數(shù)降低，所改進(jìn)算法提高了傳統(tǒng)K-means算法。

K-means；中心選擇；學(xué)生信息

隨著高校擴(kuò)張，各高校在校人數(shù)不斷增多，學(xué)生管理難度加大。同時(shí)對(duì)學(xué)生來講，在學(xué)校中接受教育時(shí)，希望學(xué)生能接受多樣化的管理制度，為學(xué)生提供輕松、自由的學(xué)習(xí)環(huán)境。在信息化進(jìn)程日益加快的今天，學(xué)校管理中也開始引入計(jì)算機(jī)、互聯(lián)網(wǎng)等信息技術(shù)，通過先進(jìn)技術(shù)的應(yīng)用提高管理水平。學(xué)生人數(shù)的增多，給學(xué)校管理帶來了挑戰(zhàn)，為了提高學(xué)生管理效率和水平，很多學(xué)校都開始致力于學(xué)生信息管理系統(tǒng)的研究和應(yīng)用。在學(xué)生信息管理系統(tǒng)中，除了實(shí)現(xiàn)學(xué)生基本信息如專業(yè)、學(xué)籍、班級(jí)等的管理外，還將學(xué)生選課服務(wù)、學(xué)習(xí)進(jìn)度、畢業(yè)論文管理、就業(yè)信息管理等相關(guān)內(nèi)容融入其中，實(shí)現(xiàn)了學(xué)生所有信息管理的“一條龍”服務(wù)。通過專門的學(xué)生信息管理系統(tǒng)，將學(xué)生各項(xiàng)信息都融合在一起，實(shí)現(xiàn)了所有信息的高水平管理。

當(dāng)今時(shí)代屬于信息時(shí)代，各類信息數(shù)據(jù)較多。在學(xué)校中，學(xué)生相關(guān)信息也多，而在互聯(lián)網(wǎng)的幫助下，學(xué)生信息也呈現(xiàn)出價(jià)值、海量特點(diǎn)。學(xué)校在開展學(xué)生信息管理時(shí)，需要根據(jù)學(xué)生信息情況合理進(jìn)行分類，并根據(jù)學(xué)生具體需求開展相應(yīng)的信息管理，以提高信息管理水平。而要實(shí)現(xiàn)這些就需要借助學(xué)生數(shù)據(jù)信息的分析，如何從海量的信息中提取到真正有用的信息，則成為學(xué)校開展學(xué)生信息管理時(shí)面臨的一個(gè)重要問題。在這種情況下，就需要用到數(shù)據(jù)挖掘技術(shù)，通過數(shù)據(jù)挖掘?qū)Ａ康膶W(xué)生信息進(jìn)行深度挖掘、分析，提取到真正有用的學(xué)生信息，并用到學(xué)生信息管理中，提高學(xué)生信息管理水平。數(shù)據(jù)挖掘技術(shù)較多，如聚類算法、分類算法、回歸分析、關(guān)聯(lián)規(guī)則算法等，都是數(shù)據(jù)挖掘中經(jīng)常采用的方法。本文主要對(duì)數(shù)據(jù)挖掘中的聚類算法在學(xué)生信息管理系統(tǒng)中的應(yīng)用進(jìn)行了分析，為數(shù)據(jù)挖掘在學(xué)生信息管理中的具體應(yīng)用提供參考建議。

1 數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘是計(jì)算機(jī)學(xué)科中的一門重要技術(shù)方法。數(shù)據(jù)挖掘是從好靚數(shù)據(jù)信息中搜索出有用或潛在的信息。一般情況下，數(shù)據(jù)挖掘主要通過統(tǒng)計(jì)、分析等實(shí)現(xiàn)。數(shù)據(jù)挖掘技術(shù)產(chǎn)生以后，最初在統(tǒng)計(jì)、數(shù)據(jù)庫(kù)、人工智能等行業(yè)和領(lǐng)域內(nèi)進(jìn)行應(yīng)用。隨著大數(shù)據(jù)時(shí)代的到來，各行各業(yè)都開始加大數(shù)據(jù)挖掘技術(shù)的應(yīng)用。數(shù)據(jù)挖掘時(shí)，在數(shù)據(jù)信息來源判斷的基礎(chǔ)上，獲取到相關(guān)數(shù)據(jù)信息，并將相關(guān)數(shù)據(jù)信息整合到一起，進(jìn)行數(shù)據(jù)檢查，將不符合要求的數(shù)據(jù)去除，然后建構(gòu)數(shù)據(jù)模型，實(shí)現(xiàn)數(shù)據(jù)的挖掘、分析，從而完成數(shù)據(jù)挖掘工作。在數(shù)據(jù)挖掘過程中，最重要的一步工作是對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，保證數(shù)據(jù)信息、格式等和要求相符，從而進(jìn)行深度挖掘、分析。

數(shù)據(jù)挖掘技術(shù)較多，如聚類算法、分類算法、回歸分析、關(guān)聯(lián)規(guī)則算法等，都是數(shù)據(jù)挖掘中經(jīng)常采用的方法。如下是對(duì)幾種方法的具體分析：

關(guān)聯(lián)規(guī)則分析：關(guān)聯(lián)規(guī)則分析方法主要是對(duì)數(shù)據(jù)信息中隱藏的關(guān)系進(jìn)行挖掘分析。采用關(guān)聯(lián)規(guī)則分析法進(jìn)行數(shù)據(jù)挖掘時(shí)，主要是通過兩個(gè)環(huán)節(jié)實(shí)現(xiàn)：第一個(gè)環(huán)節(jié)是從海量的數(shù)據(jù)信息中尋找出真正符合要求的數(shù)據(jù)；第二環(huán)節(jié)則是對(duì)這些數(shù)據(jù)信息中存在的關(guān)系進(jìn)行挖掘。在金融行業(yè)中，關(guān)聯(lián)規(guī)則分析法應(yīng)用較為廣泛。

分類：將海量數(shù)據(jù)中的具有相同點(diǎn)的數(shù)據(jù)按照類別歸為一類，并通過分類模型等實(shí)現(xiàn)數(shù)據(jù)的挖掘分析。在應(yīng)用分類、趨勢(shì)預(yù)測(cè)等領(lǐng)域中該方法應(yīng)用方法，如目前電商平臺(tái)都會(huì)采用分類算法向用戶推薦相關(guān)聯(lián)的商品信息。

聚類算法：將海量數(shù)據(jù)中相似的數(shù)據(jù)聚集到一起歸為一類，從而實(shí)現(xiàn)數(shù)據(jù)挖掘分析。

在聚類算法中，相似的數(shù)據(jù)在一個(gè)聚集內(nèi)，實(shí)現(xiàn)了數(shù)據(jù)挖掘。聚類算法在學(xué)生信息管理系統(tǒng)中應(yīng)用時(shí)，將具有相似特征的學(xué)生信息聚在一起；基于學(xué)習(xí)目標(biāo)將選課相同的學(xué)生匯集一起等。聚類算法也較多，如下對(duì)幾種聚類算法在學(xué)生信息管理系統(tǒng)中的具體應(yīng)用了詳細(xì)分析。

2 K-means聚類算法改進(jìn)

2.1 算法描述

假設(shè)樣本數(shù)據(jù)用Y={y1,y2,..yn}表示，其中yi(1＜i＜n)表示一個(gè)對(duì)象；用C={c1,c2,..cm}表示有m個(gè)類；對(duì)于兩個(gè)對(duì)象之間的距離使用歐式距離其中m表示維數(shù)y表示第k個(gè)類中的中心類。

1)從數(shù)據(jù)Y中隨機(jī)選擇K個(gè)對(duì)象作為初始中心；

2)根據(jù)歐式距離方法計(jì)算所有的yi(1＜i＜n)到中心的距離；根據(jù)最小距離將對(duì)象進(jìn)行劃分；

3)計(jì)算聚類均值；

4)計(jì)算目標(biāo)函數(shù)，如果函數(shù)值最小則算法終止；如果算法不滿足則跳轉(zhuǎn)到(2)。

2.2 算法改進(jìn)

在K-means聚類算法中，初始點(diǎn)的選擇直接影響到聚類效果。為了防止初始點(diǎn)選擇過于集中導(dǎo)致聚類效果不佳，本文提出了一種選擇中心點(diǎn)盡可能互相原理的算法，這樣既可提高聚類效果也可使得算法性能得到提高。算法過程如下所示：

1)假設(shè)Y={y1,y2,..yn}表示聚類樣品數(shù)據(jù)，采用矩陣Dist=表示聚類距離矩陣，在該矩陣dij表達(dá)式中d(xi,xj)。

3 K-means聚類改進(jìn)算法在學(xué)生信息管理中的應(yīng)用

3.1 算法應(yīng)用

在學(xué)生信息管理系統(tǒng)中包含的結(jié)構(gòu)主要有：學(xué)生信息、學(xué)生班級(jí)、學(xué)生專業(yè)、學(xué)生考試成績(jī)等。表1為某部分學(xué)生信息表。

表1 某部分學(xué)生信息表

3.2 結(jié)果分析

如圖1為距離代價(jià)函數(shù)很K值的關(guān)系。從圖中可以看出隨著K值增加距離變化逐漸降低，這表明算法性能有效。

圖1 K值和距離函數(shù)的關(guān)系

圖2 改進(jìn)算法和傳統(tǒng)算法效率比較

從圖2中可以看出隨著K值的增加改進(jìn)算法性能逐漸優(yōu)于傳統(tǒng)K-means算法。表明對(duì)距離進(jìn)行多次劃分可以提高算法性能。

4 結(jié)束語

傳統(tǒng)的K-means算法中心地址選擇是隨機(jī)選擇，這樣算法需要經(jīng)歷多次遞歸才能收斂，使得算法性能不高。本文提出了分段中心地址選擇，通過對(duì)性能分析，結(jié)果顯示改進(jìn)算法能夠提高算法性能。

[1]李紹中.數(shù)據(jù)挖掘改進(jìn)算法在學(xué)生成績(jī)分析中的應(yīng)用[J].科技通報(bào),2012,28(8)：208-209.

[2]劉美玲,李熹,李永勝.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)與管理中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2010,31(5)：1130-1133.

[3]王全旺,趙兵川.數(shù)據(jù)挖掘技術(shù)在Moodle課程管理系統(tǒng)中的應(yīng)用研究[J].電化教育研究,2011(11)：69-73.

[4]孫力,程玉霞.大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)教育學(xué)習(xí)成績(jī)預(yù)測(cè)的研究與實(shí)現(xiàn)——以本科公共課程統(tǒng)考英語為例[J].開放教育研究,2015(3)：74-80.

[5]王華,劉萍.改進(jìn)的關(guān)聯(lián)規(guī)則算法在學(xué)生成績(jī)預(yù)警中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2015(3)：679-682.

TP311

A

1009-3044(2017)24-0021-02

2017-07-06