论文摘要
随着我国高等教育的发展,高校的数量庞大、类型繁杂,如果不能有效地对高校进行分类管理和分类发展,则会制约我国高等教育的发展。目前我国的高校分类主要以政府为主导,具有很强的政策性和主观性;国内学术机构的分类有脱离实际之嫌,实用性不强;而国外学术机构的分类并不能完全适用于我国国情。随着数据挖掘技术在金融、电信等领域的成功应用,本研究在教育领域应用数据挖掘的聚类技术对我国高校进行分类研究。首先本文从高校职能的角度,从教学和科研两个方面提出分类标准,并从“全国高校教学基本状态数据库系统”中,选择适用于高校分类的基本特征要素,确定各指标的权重,构建出一个相对完整、较为合理的指标体系。其次本文对“全国高校教学基本状态数据库系统”中的原始数据进行一系列的预处理工作,包括数据源获取、数据清理、数据集成、数据变换、数据归约等内容,使之更加符合聚类算法的标准和规范。接着本文采用K‐means算法及其改进型EM算法,使用SQL?Server?2005的商业智能开发工具,建立聚类模型,根据预处理得到的数据集,聚类形成不同的簇,从而获得高校对象的类型分布情况。最后本文对聚类结果进行总结归纳,分析其可行性及合理性,得出本文的初步结论;并分析对聚类结果的影响因素及针对性的改进措施;同时从高校自身、教育主管部门和社会公众这三个角度分析高校聚类结果的应用价值,也为我国高等教育发展提出一些建设性的意见。
论文目录
相关论文文献
- [1].基于聚类技术的集成学习方法研究[J]. 河北大学学报(自然科学版) 2009(02)
- [2].一种基于聚类技术的非量化考勤系统研究[J]. 价值工程 2015(35)
- [3].人脸聚类技术在公安行业应用浅析[J]. 中国安全防范技术与应用 2019(01)
- [4].基于K-means聚类技术的博士招生质量研究[J]. 沈阳大学学报(社会科学版) 2018(05)
- [5].一种基于聚类技术和蚁群算法的社团发现方法[J]. 青岛大学学报(自然科学版) 2011(02)
- [6].Web服务发现中的服务聚类技术研究[J]. 商场现代化 2009(13)
- [7].基于聚类技术的股票价格趋势预测[J]. 世界科技研究与发展 2009(03)
- [8].利用K-means聚类技术对大学生成绩分析研究[J]. 西部皮革 2020(04)
- [9].聚类技术在Web服务中的应用研究[J]. 软件导刊 2017(07)
- [10].基于聚类技术的分布式入侵检测模型CDIDS的设计[J]. 无线互联科技 2014(03)
- [11].一种基于聚类技术的个性化信息检索方法[J]. 计算机工程与应用 2008(08)
- [12].专利预警中混合聚类技术的应用研究[J]. 福建电脑 2012(01)
- [13].基于计算智能的聚类技术及其分析研究[J]. 西部皮革 2017(12)
- [14].基于随机森林的电动汽车充电行为聚类技术研究[J]. 电力工程技术 2019(06)
- [15].聚类技术在高职院校学生试卷分析中的应用[J]. 新疆职业教育研究 2010(02)
- [16].聚类技术在学生成绩分析中的应用[J]. 无线互联科技 2016(19)
- [17].开放课程热点问题研究——基于词频分析和共词聚类技术[J]. 西南交通大学学报(社会科学版) 2015(02)
- [18].数据挖掘中聚类分析综述[J]. 价值工程 2014(15)
- [19].融合双聚类技术的新型协同过滤算法[J]. 湘潭大学自然科学学报 2018(02)
- [20].应用于大型数据库的聚类技术研究[J]. 重庆文理学院学报(自然科学版) 2008(01)
- [21].基于神经网络算法的配电网重构研究[J]. 计算机与数字工程 2019(08)
- [22].基于改进聚类分裂的动态R-树实现方法[J]. 测绘工程 2017(03)
- [23].计算机数据挖掘技术的开发及其应用探究[J]. 科学技术创新 2018(11)
- [24].基于聚类技术的三维舰船模型特征库研究[J]. 应用光学 2012(02)
- [25].知识聚类技术[J]. 沈阳航空工业学院学报 2008(05)
- [26].房地产客户关系管理系统中数据挖掘技术的应用研究[J]. 民营科技 2014(10)
- [27].用于精准预测的人工蜂群聚类数据挖掘算法研究[J]. 数字技术与应用 2020(10)
- [28].使用程序聚类技术的模块重构风险分析方法[J]. 计算机科学与探索 2012(06)
- [29].基于K-means算法的学生综合测评成绩分析[J]. 现代计算机(专业版) 2011(28)
- [30].聚类分析在客户细分领域中的应用[J]. 微计算机信息 2010(28)