基于K-Means与DBSCAN聚类算法据背景下基于高校综合性数据的学生行为分析与研究

发布时间：2021-01-12 19:24

　　随着高校信息化建设逐步加快,大多数高校已经在教学、科研、学生管理等领域部署了管理系统,便于高校科学化,智能化管理,提高了管理质量和效率。这些应用系统经过多年的运行产生了大量数据,存储于各应用系统数据库中,例如学生成绩、学生上机情况、学生去食堂情况、学生借阅图书信息等,这些数据仅在其独立领域里发挥局部作用。将独立的应用系统的信息资源进行整合、集成,构成高校综合性数据,通过数据挖掘技术进行分析,挖掘出海量数据的隐藏特征,找出数据间的潜在联系,可以有效的帮助教学工作、学生思想政治工作、学生就业指导工作的管理,甚至能改变传统教育模式、学习生活模式及管理模式。本项目通过将近年高校学生入学信息、学生成绩、学生上机信息、学生图书借阅信息、学生生活费情况整合为综合性数据,利用数据挖掘技术建立数据模型,分析学生行为特征,探索学生行为和人才质量培养之间的关联关系,进步指导教学管理、学生管理、就业指导等相关工作,以提高教育质量。 

【文章来源】：科学技术创新. 2020,(32)

【文章页数】：3 页

【部分图文】：

K-Means分类统计效果图（canteen与money属性）

以上的效果图可以分析出对应属性的分类情况，这里以canteen与money为例的数据分析统计，这里的输出分类以后者的数值为准，所以是money，可以看出74.69（单位为百元）最多（人数），从图中信息看出花费6400-8300（元）生活费学生数量较多，结合刚刚K-means分析的结果可以看出7500左右的花费占主要，所以可以结合学生个人情况去建议学生每学期的花费使用（增加生活费或者减少生活费）。4结果分析建议

【参考文献】：
期刊论文
[1]考试管理信息系统的设计与实现[J]. 董羽冲,刘璐,丁建辉.  洛阳工业高等专科学校学报. 2003(02)

硕士论文
[1]基于大数据技术的学生行为分析[D]. 张源.华北水利水电大学 2019
[2]基于HARDI模型的脑纤维跟踪可视化研究[D]. 王正州.浙江工业大学 2015
[3]高速公路隧道路段驾驶人视觉注意转移规律研究[D]. 江治东.长安大学 2015



本文编号：2973400