基于k均值与SVM算法的学生综合评价及分类研究

• 作者: 吴其昌 周欣欣 彭琳钧 李诗敏 肖存涛
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 半监督学习 聚类 因子分析 支持向量机 综合评价
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 算法分析
• 页码范围: 88-91
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2020.10.29

摘要

随着高校招生规模扩大,对学生的考试成绩进行科学分析以便于专业分流和分级教学是目前高校管理工作中面临的一个重要问题.本文提出了一种基于k均值与SVM算法的半监督学习模型,首先利用因子分析提取学生的综合能力指标,然后通过k均值聚类对部分数据进行初步分类标注,最后利用训练得到的支持向量机模型对其他数据进行分类.模型验证结果表明本文构建的数学模型可以准确地区分不同特质的学生,高效地对大量学生做出合理的分类,对于高校管理和教学改革具有明确的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖存涛		7	21	3.0	4.0
2	彭琳钧		1	0	0.0	0.0
3	吴其昌		1	0	0.0	0.0
4	李诗敏		1	0	0.0	0.0
5	周欣欣		1	0	0.0	0.0