勢函數(shù)聚類方法在高校學生評估模型系統(tǒng)中的應(yīng)用.pdf

1、存在于數(shù)據(jù)庫中的龐大數(shù)據(jù)蘊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)得到進一步分析和挖掘，其中數(shù)據(jù)預處理的主要目標是構(gòu)建高質(zhì)量的數(shù)據(jù)倉庫，在信息損失最小的前提下，使用少數(shù)綜合變量來概括原有多變量的數(shù)據(jù)庫，是數(shù)據(jù)庫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)倉庫中的數(shù)據(jù)挖掘更加容易執(zhí)行，并獲得高效率。
　　本文提出的勢函數(shù)概念，利用勢函

2、數(shù)融合方法，針對數(shù)據(jù)倉庫面向主題、隨時間變化的特征，將物理的或抽象的樣本進行分組并將相似樣本歸為一類樣本的模式聚類方法，并對類進行不同程度的優(yōu)化。方法首先，通過使用基于樣本分布概率的經(jīng)典模式聚類算法DBSCAN，對經(jīng)過模式特征提取的樣本進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，通過不同性質(zhì)的勢函數(shù)融合對初始模式聚類進行有目的的優(yōu)化，從而實現(xiàn)樣本與聚類中心、類與類之間的聯(lián)系；最后在學生群體樣本的模式聚類討論中，對于孤立樣本進行