勢(shì)函數(shù)聚類方法在高校學(xué)生評(píng)估模型系統(tǒng)中的應(yīng)用.pdf

1、存在于數(shù)據(jù)庫(kù)中的龐大數(shù)據(jù)蘊(yùn)藏著豐富而有用的信息，數(shù)據(jù)挖掘技術(shù)的發(fā)展使這些龐大的數(shù)據(jù)得到進(jìn)一步分析和挖掘，其中數(shù)據(jù)預(yù)處理的主要目標(biāo)是構(gòu)建高質(zhì)量的數(shù)據(jù)倉(cāng)庫(kù)，在信息損失最小的前提下，使用少數(shù)綜合變量來(lái)概括原有多變量的數(shù)據(jù)庫(kù)，是數(shù)據(jù)庫(kù)模式特征提取方法的任務(wù)，可以使得數(shù)據(jù)綜合變量所對(duì)應(yīng)的樣本屬性概率分布盡可能地接近使用所有樣本屬性的原始分布，從而使重新構(gòu)建的數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)挖掘更加容易執(zhí)行，并獲得高效率。
　　本文提出的勢(shì)函數(shù)概念，利用勢(shì)函

2、數(shù)融合方法，針對(duì)數(shù)據(jù)倉(cāng)庫(kù)面向主題、隨時(shí)間變化的特征，將物理的或抽象的樣本進(jìn)行分組并將相似樣本歸為一類樣本的模式聚類方法，并對(duì)類進(jìn)行不同程度的優(yōu)化。方法首先，通過(guò)使用基于樣本分布概率的經(jīng)典模式聚類算法DBSCAN，對(duì)經(jīng)過(guò)模式特征提取的樣本進(jìn)行初步模式聚類確定其類中心；然后根據(jù)用戶不同的需求，通過(guò)不同性質(zhì)的勢(shì)函數(shù)融合對(duì)初始模式聚類進(jìn)行有目的的優(yōu)化，從而實(shí)現(xiàn)樣本與聚類中心、類與類之間的聯(lián)系；最后在學(xué)生群體樣本的模式聚類討論中，對(duì)于孤立樣本進(jìn)行