基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
高校学生校园卡消费数据的准确聚类对于贫困生评定工作具有重要参考价值.基于在校生校园卡月均消费金额、日均消费金额、学期平均消费金额、次均消费金额四个指标,在基于蚁群模型的聚类算法中,以消费记录间特征相似度值作为启发信息,以各子簇内相似度值最大化作为最优适应度值进行聚类.实验结果表明,该算法在聚类准确性上优于传统算法,可为贫困生评定提供更加准确的参考依据.
推荐文章
基于扩散信息素的蚁群聚类算法及应用
蚁群算法
聚类分析
信息素扩散模型
客户分类
蚁群聚类算法在隐写分析中的应用
隐写分析
富模型
集成分类
蚁群算法
基于蚁群聚类的入侵检测技术研究
入侵检测
数据挖掘
蚁群聚类
基于信息熵的蚁群聚类组合算法的研究
聚类
蚁群聚类
信息熵
K-均值
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于蚁群聚类算法的贫困生评定模型分析与研究
来源期刊 电脑编程技巧与维护 学科
关键词 数据挖掘 蚁群聚类算法 贫困生评定 校园卡消费数据
年,卷(期) 2017,(6) 所属期刊栏目 软件研发与应用
研究方向 页码范围 34-36,51
页数 4页 分类号
字数 3637字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杜小丹 成都大学信息网络中心 24 206 6.0 14.0
2 何源 成都大学信息网络中心 6 16 2.0 4.0
3 胡慧 成都大学信息网络中心 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (39)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(6)
  • 参考文献(2)
  • 二级参考文献(4)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(5)
  • 参考文献(4)
  • 二级参考文献(1)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
蚁群聚类算法
贫困生评定
校园卡消费数据
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑编程技巧与维护
月刊
1006-4052
11-3411/TP
大16开
北京市海淀区长春桥路5号六号楼1209室
82-715
1994
chi
出版文献量(篇)
14554
总下载数(次)
80
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导