改进K-means算法在职高试卷成绩分析中的应用.docVIP

改进K-means算法在职高试卷成绩分析中的应用 　　摘要:考试成绩是一所学校评估教学质量的重要依据之一。这些成绩中隐含着该校学生的学习能力和教师的教学水平,合理分析这些成绩对提高学校教学质量有很大的推动作用。文中改进了K-means聚类算法,并将此算法应用于职高学生试卷成绩分析中,首先对数据进行了预处理,然后使用改进K-means算法对学生试卷成绩进行了分析,并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;聚类分析;K-means算法;成绩分析;教学质量 　　中图分类号:TP311文献标识码:A文章编号:1009-3044(2010)18-5048-02 　　 　　The Application of Improved K-means Algorithm in Vocational School Result Analysis 　　WANG Zhi 　　(Datong Second Vocational School, Datong 037008, China) 　　Abstract: Examination result was one of the important bases for evaluating the teaching quality. These results implied the ability of school students and teachers teaching, so, reasonable analyzing of these results could be the key to improve the quality of school education. The k-means clustering algorithm was improved in this paper, which was applied to examination result analyzing of vocational school, firstly, data were preprocessed, and then results were analyzed using the improved k-means algorithm, finally, and the future studying and teaching would be guided by these analyzing results. 　　Key words: data mining; cluster analysis; k-means algorithm; result analysis; teaching quality 　　 　　随着信息技术的飞速发展,围绕着人类各种日常活动和经济活动的数据,以多种形式被存储在数据库中。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。面对这一挑战,产生了数据挖掘(Data Mining, DM)[1]和知识发现(Knowledge Discovery in Database, KDD)技术[2],并在不断地探索中逐渐显示出其强大的功能。数据挖掘可以从大量有关数据中挖掘出隐含的、先前未知的、对企业决策有潜在价值的知识和规则。作为数据挖掘技术中的一种重要方法,K-means聚类分析算法应用非常广泛。 　　考试成绩是一所学校评估教学质量的重要依据之一,也是评估学生是否掌握好所学知识的重要方式[3]。聚类技术可以深层次的进行试卷成绩分析,它可以全面的分析考试结果与各种因素之间隐藏的内在联系,从而得出一些有益的决策。 　　本文对大同市第二高级职业中学计算机专业班级的5门课程进行了基于改进后K-means聚类算法的成绩分析,并得出了有用的信息。 　　1 聚类分析 　　1.1 聚类分析 　　聚类分析可以应用到多个领域,包括数据挖掘、统计学、生物学,以及机器学习等。聚类(clustering)是根据数据对象的属性值计算相异度并将其分组成为多个类或簇(cluster),同一个簇中的对象相似度较高,不同簇间的对象差别较大。聚类算法包括如下几类:划分方法(partitioning method)、层次方法(hierarchical method)、基于密度的方法(density-based method)、基于网格的方法(grid-based method)及基于模型的方法(model based method)等。 　　1.2 K-means算法 　　1.2.1 传统的K-means聚类算法 　　传统K-means算法[4]把n个样本点