聚类分析方法在学生信息管理系统中的应用
随着教育规模的持续扩大,学生数量急剧增加,给学生管理工作带来很大压力,单纯的学生信息管理系统信息化远远不能满足需求,由此提出了数字化校园的建设目标,即以网络为基础,利用先进的信息化手段和工具,实现资源数字化,全部实现计算机管理。这个数字化校园将积聚大量的数据,如何挖掘大量数据中所隐含的规律,从而应用这些规律去指导学校的工作,改善整个学校的管理,提高管理效率是一项非常有意义的工作。
数据挖掘是近些年来发展起来的新技术,通过数据挖掘,人们可以发现数据背后隐藏的有价值的、潜在的知识,为科学地进行各种商业决策提供强有力的支持。而聚类分析是数据挖掘中的一项主要技术,它将物理对象或抽象对象的集合分组成为由类似对象组成的多个簇,从而为相关数据基础上的决策提供依据。
本文着眼于学生信息管理系统的构建以及相关数据的挖掘研究,主要从以下几个方面进行了深入的研究和探讨:
(1)在简要介绍课题的研究背景及选题意义的基础上,介绍了教育信息化、数据挖掘、聚类分析等概念。
(2)针对传统聚类算法存在的问题,首先介绍了遗传算法以及模糊遗传算法的概况,接着提出了改进的遗传模糊聚类算法(IGFCM),主要从编码方式、遗传算子和停止准则三个方面做了改进,最后利用IRIS标准数据集测试了算法的性能,通过与传统聚类算法和GFCM算法的比较,证明了本文提出的IGFCM算法的有效性。
(3)在分析系统开发相关工具和方法的基础上,针对学生信息管理系统的需求,设计实现了一个简单的学生信息管理系统,为下一步应用聚类算法进行成绩分析提供了平台和数据源。
(4)对潍坊科技学院计算机科学系学生成绩,用基于模糊遗传算法聚类算法进行了聚类,实验结果表明,该方法能够较好地对学生成绩进行分析,帮助相关教师和部门进行决策。
聚类分析;模糊理论;遗传算法;信息管理系统;K-平均算法
中国海洋大学
硕士
计算机应用技术
王庆江;董军宇
2010
中文
G434
64
2011-10-31（万方平台首次上网日期，不代表论文的发表时间）