引入行为数据的高校学生分层算法与异常学生检测

发布时间：2021-08-24 23:35

　　大学生的教育问题一直以来是我国高校的头等大事,在实行素质化教育的今天,如何对学生进行精准教育成为了首要课题。在师资资源、人力资源、管理资源等有限的条件下,如何运用互联网技术解决教育分层化问题就显得尤为重要。近年来,大学生的课外活动日益丰富,校园生活更加多种多样,随着移动互联网和电子商务的兴起,学生可以足不出户处理教学事务和日常生活需要,同样也使得学生的管理变得困难与复杂。本文选取我校部分本科生的行为数据,包括参加课外活动的时长、图书馆相关的数据、食堂数据以及成绩等全方位的数据,来对学生进行一个层次的划分,通过机器学习的方式训练出一个基于学生的管理分类模式。实现对学生的划分,来方便辅导员、老师等人员对学生进行管理。本文首先采用聚类分析的思想,通过分析学生的成绩数据以及行为数据来对学生进行隐藏的评级,对于聚类结果进行标定与审核,调整算法以及参数来得到合适的聚类结果。对比行为数据引入的结果可以明显发现行为数据的有效性与可行性,这种结果可以经由辅导员或任课老师的评价方可通过。再转入到下一阶段的分类模型中,训练出一个合适的模型来对新的学生数据进行预测,异常值检测是学情检测的重要部分,通过改进的算... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：44 页

【学位级别】：硕士

【部分图文】：

图２－１算法流程图??６??

上??所有的点在ｄ维的坐标值均小于当前值，右子树上所有的点在ｄ维的坐标值均大于??等于当前值，本定义对其任意子节点均成立。下面是／ｃｄ树的图示展示：??ｆｅａｔｍｅｓ?Ｊ??ｎ——ｎ??展开厂丨??进舞嫩大ｌ爱维阶?（９子祷特ｔｔ点―??Ａｓｓｉｇｎ?Ｐａｒｔｉｔｉｏｎ?Ｋｅ＞＊?ｆｃ？ｆｔ？ｔｃｓ?ｙ?ｙ?ｉｃａｔｕｒｃ＾?Ｊ??＿＾??Ｉ??■?１?■?■?■?１?＇?１??［Ｔ＾ＴＴｒｒｉ??ＭｅｄｉａｎＳｅｔｅｑ?Ｓ开Ｓ：子Ｗ?Ｊ?ｍｎＣｔｍ??图２－２?ｋｄ树流程图??２．１．３关于Ｋｎｎ算法的本文改进??在学生分类中，我们对于学生的定位要求非常精确，基于Ｋｒｎｉ多数投票的原则??基础上，本文引进了学生置信度的概念，及最多种相邻样本ｉ占比在ｐ以上是才把??该学生划分为／类，公式如下：??７??

硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??密度相连：对于样本ｉ＿和样本，若存在样本ｆｃ使得〖与＾／均由ｆｃ密度可达，则??称ｉ与ｙ密度相连。??〇??工?３（，力、）：：斧、、、??侧＾?〇??图２－４?ＤＢｓｃａｎ算法流程图??上图直观显示ＤＢＳＣＡＮ中这几个概念：当Ｍ〖ｎＰｔｓ＝３的时候，虚线圆圈为??ｅ邻域，ｘｌ是核心对象，ｘ２由；ｃｌ密度直达，Ｚ３由ｘｌ密度可达，；ｃ３与密??度相连。??２．３．２算法流程??１、遍历所有样本，找出所有满足邻域距离ｅ的核心对象的集合；??２、任意选择一个核心对象，找出其所有密度可达的样本并生成聚类簇；??３、从剩余的核心对象中移除２中找到的密度可达的样本；??４、从更新后的核心对象集合重复执行２－３步直到核心对象都被遍历或移除。??２．３．３算法更新与调参??此处参考周治平的ＡＦ－ＤＢｓｃａｎ算法叫针对于ＤＢｓｃａｎ算法的调参问题，运用??以下方法来进行计算。计算出距离分布矩阵／）／灯＿，其中￡＞／灯＿?＝?｛ｄｉｓｔ（ｉｊ〇｜ｌ?Ｓ??ｉＳｎ．ｌＳｊＳｎ｝，上式中，ｒｉ为数据集ｄ的对象数目，Ｄ／５Ｔｎｘｎ是一个７１行？１列的??距离分布的实对称矩阵，其中每个元素表示数据集Ｄ中对象ｉ与对象之间的距离。??根据经验选取＝?４这条数据进行分析，发现ｅｐｓ参数应该在曲线急速的地方??选取，用曲线拟合后发现多项式曲线拟合效果最佳，多项式曲线拟合公式为：??１０??


本文编号：3360938