基于k—means聚类算法的试卷成绩分析研究.docVIP

基于k—means聚类算法的试卷成绩分析研究 第39卷第4期 2009年7月 河南大学(自然科学版) JournalofHenanUniversity(NaturalScience) Vo1.39NO.4 Ju1.2009 基于k—means聚类算法的试卷成绩分析研究 谭庆 (洛阳师范学院信息技术学院,河南洛阳471022) 摘要:研究_rk-means聚类算法,并将此算法应用于高校学生试卷成绩分析中.首先对数据进行了预处理,然后 使用k-means算法,对学生试卷成绩进行分类评价.用所获得的结果指导学生的学习和今后的教学工作. 关键词:数据挖掘;聚类;k-means算法;试卷成绩 中圈分类号:TP311文献标志码:A文章编号:1003—4978(2009)04—0412—04 AnalysisandResearchofGradesofExaminationPaper BasedonK—meansClusteringAlgorithm TANQing (Acaderny.l,InformationTechnologY,LuoyangNormalUniversity,LuoyangHenan471022,China) Abstract:Thispaperresearcheslhekmeansclusteringalgorithmandappliesittotheanalysisofthegradedataof examinationpaperofhighereducationschoolSstudents.Firstly,itpreprocessesthedatabeforeminingThen,it usesthek—meansalgorithmtoclusterstudentsgradesofexaminationpaperandgivesevaluation.Theobtained knowledgecanbeappliedintoguidingthesludentsandteachersintreirstudyandteaching. Keywords:datamining;clustering;kmeansalgorithm;gradesofexaminationpaper 0引言 传统的数据分析方法是统计分析法,该方法只是对事实的验证,描述已经发生的事实,难以发现数据中 存在的关系和规律,也难以根据现有的数据预测未来的发展趋势.由于它缺乏挖掘数据背后知识的手段,因 而导致了数据爆炸但知识贫乏的现象.面对这一挑战,数据挖掘(DataMining,DM)l和知识发现 (KnowledgeDiscoveryinDatabase,KDD)技术应运而生,并逐渐显示出了强大的生命力. 在高校中,考试成绩是评估教学质量的重要依据』,也是评估学生是否掌握好所学知识的重要方式. 试卷分析是考试过程的一个重要环节.聚类是深层次的数据信息分析方法,将聚类们技术应用于试卷成绩 分析无疑是非常有益的,它可以全面地分析考试结果与各种因素之问隐藏的内在联系【. 1k—means聚类算法 给定一个包含个数据对象的数据集,以及要生成的簇的数目是,一个划分类的算法将数据对象组织成 k个划分(是≤),其中每个划分代表一个簇.通常会采用一个划分准则(经常称为相似度函数),例如距离, 以便在同一个簇中的对象是相似的,而不同簇中的对象是相异的. 最着名且最常用的基于划分的方法是k—means算法.k—means算法的处理流程是:首先随机地选择k个 对象,每个对象代表一个簇的初始均值或中心.对剩余的每个对象,根据其与各个簇均值的距离,将它指派 到最相似的簇.然后计算每个簇的新均值.这个过程不断重复,直到准则函数收敛. 收稿日期:2008—123O 基金项目:河南省科技攻关资助项F1(0524220059) 作者简介:谭J灭(1977一),男,河南洛阳人,讲师,硕士.主要研究方向:数据挖掘和程』设计 谭庆:基于kTmeans聚类算法的试卷成绩分析研究413 通常k—means算法的准则函数采用平方误差准则,定义为: E一gt;:gt;:…,I一ml.(1)一—…i 其中E是数据集中所有对象的平方误差的总和,是给定的数据对象,m是簇c的平均值(p和m都是多维 的).这个准则的作用是使生成的簇尽可能地紧凑和独立. 对处理大型数据集而言,k—means算法是相对可伸缩的和高效的,因为算法的复杂度为0(ntk),并且是 和t通常都远远小于.这里是数据对象的个数,k是簇的个数,t是迭代的次数. 2基于k—means聚类算法的试卷成绩分析 目前,在高校管理中,特别是对学生的试卷管理工作中,普遍存在的问题是学生试卷成绩数据量过于庞 大,但目前对这些数据的处理还停留在初级的数据备