基于频繁模式谱聚类的课程关联分类模型和学生成绩预测算法研究

• 作者: 何楚 卓桐 宋健
• 来源期刊: 计算机应用研究
• 关键词: 数据挖掘 关联分析 谱聚类 成绩预测 课程分类
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2930-2933
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.10.011

摘要

针对大众化教育中存在的学生质量参差不齐、教学管理难度加大等问题,提出一种基于频繁模式谱聚类的课程关联分类模型和学生成绩预测算法研究.以通信工程专业学生的课程成绩为样本,利用Apriori和FP-growth算法对不同学期的课程进行关联分析和效果比较,对学生的未来成绩进行不及格预警,并通过谱聚类算法进行课程分类.实验结果显示,FP-growth在虚警率和漏检率方面明显优于Apriori算法,能为学生提供有针对性且较准确的学业指导;构建的课程关联分类模型能够为高校教学改革和管理决策提供科学依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋健	武汉大学电子信息学院	44	220	8.0	13.0
2	何楚	武汉大学电子信息学院	36	255	10.0	14.0
3	卓桐	武汉大学电子信息学院	3	49	3.0	3.0