基于模糊聚类和支持向量回归的成绩预测

• 作者: 孙界平 琚生根 申航杰
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 模糊聚类 支持向量回归 预测 教育数据挖掘
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 数据驱动的计算教育学
• 页码范围: 66-73,84
• 页数: 9页
• 分类号: TP311
• 字数: 5646字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2019.05.005

摘要

现有的成绩预测模型往往过度使用不同类型的属性,导致过于复杂的分数预测方法,或是需要人工参与.为提高学生成绩预测的准确率和可解释性,提出了一种融合模糊聚类和支持向量回归的成绩预测方法.首先引入模糊逻辑来计算隶属度矩阵,根据学生的历史成绩进行聚类,随后对每个聚类簇利用支持向量回归理论对成绩轨迹进行拟合建模.此外,结合学生学习行为等相关属性,对最终的预测结果做调整.在多个基准数据集上进行了实验测试,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙界平	四川大学计算机学院	15	91	6.0	9.0
2	琚生根	四川大学计算机学院	72	460	11.0	16.0
3	申航杰	四川大学计算机学院	1	0	0.0	0.0