基于稀疏凸非负矩阵分解的混合数据特征提取与评价研究

• 作者: 周静 余超 胡怡宇 杜倩倩
• 来源期刊: 江汉大学学报（自然科学版）
• 关键词: 特征网络 群集特征 稀疏化 凸非负矩阵分解 PSR评价体系 分级模型
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 56-63
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16389/j.cnki.cn42-1737/n.2021.03.008

摘要

针对目前缺乏对在线教学和传统课堂的混合数据融合分析,提出一种改进的凸非负矩阵分解特征提取算法,可有效提取学生学习行为数据的特征群集.根据群集特征的权值大小,依次选取多级特征指标,构建评价层、群集层、特征层3个层次上的PSR评价指标体系.依据评价指标体系采用综合加权法计算学生个体的质量评价值,对个体进行分级,分级结果与学生期末考试成绩分级分布基本一致,且符合正态分布,证明了特征提取方法及评价分级模型的有效性.