遺傳聚類算法的研究及其在學生成績特征挖掘中的應用.pdf

1、數據挖掘(Data Mining)理論研究出現(xiàn)于20世紀80年代后期，它是多學科綜合的產物，涉及數理統(tǒng)計、人工智能、數據庫、神經網絡等諸多技術。雖然數據挖掘技術在電信、金融、料學研究、市場營銷等領域得到了廣泛的應用，但在教育信息化的應用中還處在發(fā)展階段。針對高校里大量的學生信息，傳統(tǒng)的統(tǒng)計分析方法己不適于對這些數據進行深入分析。為此，本文嘗試利用數據挖掘技術對學生成績特征進行挖掘分析，以求找到大量數據背后潛在而有意義的信息，為大專院校學

2、生的教育和管理提供工作思路和方法。
　　 本文首先概述了數據挖掘理論和發(fā)展，以及主要的數據挖掘技術；其次，闡述了遺傳算法在聚類中的應用；然后，結合學生的基本信息、績效信息、學習歷史、學習偏好及知識結構等信息，重點研究了一種改進的遺傳聚類算法在學生成績特征挖掘上的應用。最后，以學生成績特征挖掘為核心，設計并實現(xiàn)了一個數據挖掘原型系統(tǒng)。論文的主要工作是：通過在遺傳聚類算法中引入模糊C均值聚類算法，對新種群進行優(yōu)化，提出了基于遺傳聚類