聚类算法在学分制下高校专业自动分类中的应用

• 作者: 张玮 郭小林 陈启买 陈涛
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 聚类分析 相异度 学分制 分类属性
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 基金项目论文
• 页码范围: 60-62
• 页数: 3页
• 分类号: TP3
• 字数: 2880字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2007.05.023

摘要

聚类分析是数据挖掘领域广泛使用的一种技术,可以自动发现隐含在数据集中的分类模式.学分制体系下的学生选课数据可以看作分类属性的数据或布尔型数据.研究表明,使用距离作为测度的传统聚类算法并不适合处理这类数据.在分析数据集特点的基础上,提出了一个新的聚类算法,它用公共近邻点数来衡量两数据间的相似性,这样有利于考虑数据分布的全局特征,具有良好的聚类特性和可扩展性.通过在开发的模型系统上进行实验分析,得到了较好的实验结果,对较好解决学分制体系下学生专业自动分类问题具有积极意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈启买	华南师范大学计算机学院	66	542	14.0	19.0
2	陈涛	安徽财经大学信息工程学院	31	96	6.0	9.0
3	张玮	安徽财经大学信息工程学院	37	72	4.0	7.0
4	郭小林	安徽财经大学信息工程学院	7	28	3.0	5.0