聚类分析在协调我国区域性普通高等教育发展中的应用

发布时间：2017-10-05 21:47

  本文关键词：聚类分析在协调我国区域性普通高等教育发展中的应用

  更多相关文章： 聚类分析 区域性普通高等教育 差异性发展

【摘要】：聚类分析在社会科学研究方面有很大的应用价值。聚类分析可以把研究对象按样本或者指标在性质上的亲密度分解成多个类,使类内对象相似性较高,类间对象相似性较低。通过聚类分析,可以识别数据集的分布结构以及数据之间的相似程度。在社会问题决策过程中,我们经常会遇到这样的问题：不同的区域、行业,不同层次收入的人群,在制定决策时不能一概而论,而是需要分类决策。研究分类数据,我们经常会用聚类分析方法,进行数据结构识别和相似性度量,以便可以正确而高效地解决问题。聚类分析算法的用途范围非常之广。在商务上,市场研究者可以利用聚类在许多的消费者群体数据中分类出不同的消费群体,并用不同的消费模式来描述不同的消费群体的特征；在社会经济发展中,可以对区域经济与社会发展水平进行聚类分析,并对全国区域经济进行整体分类评价；在生物上,可以对各种植物或者各种动物种类进行聚类分类,对各种基因或者各种蛋白质进行聚类分类,然后得到对各种种群组成的结构更加清晰的理解和认识。聚类算法可以独立地得到数据分布的情况,观察每个分类簇的特征,并对这些特征的节点进行再分析。历经多年的发展,我们国家各地区普通高教发展非常之迅速,各地区高等院校也为国家、社会输送了大量的高学历毕业生。然而因为我们国家不同的地区呈现出不均衡的经济发展状况,并且各个地区与生俱来的高校布局结构导致我们国家每个地区高教发展起跑线不在同一条水平线上,所以我国31个地区的高教水平有着某些程度上的差别。本文利用聚类分析方法对我们国家区域性高教发展相关的数据资料进行分类整理,发掘各地区市高教前进发展过程中的差异、规律、结构与特点,这种分析方法对政府的决策和管理各部室、各地区市在整体上掌控我们国家普通高教的前进进程和发展水平,对不同类的地区分析原因,对不同类的地区制定不同的政策,以便更全面整体的指引我们国家普通高等教育的健康快速发展。本文首先介绍聚类分析算法相关的主要理论,主要介绍各种聚类算法的基本思想以及适用的数据集类型,探讨根据样本或指标数据如何选择合理的聚类算法,以我国各地区普通高等教育的数据集为例,利用MATLAB软件和SPSS软件实现对数据集的聚类分析过程。根据算法生成的结果,明确各地区普通高等教育的差异与特点,根据各地区政治、经济、文化、地理以及人文特点,建议有针对性的制定相关政策,各地区发展差异不足时实施扩大差异的发展战略,差异过大时实施平衡性的发展战略以调整性促进我国高教事业的整体健康发展,同时体现出聚类分析理论在社会政治、经济领域中的实用价值。
【关键词】：聚类分析 区域性普通高等教育 差异性发展
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：G649.2
【目录】：

• 中文摘要8-10
• 英文摘要10-13
• 第一章 绪论13-15
• §1.1 研究背景及意义13-14
• §1.2 研究内容与组织结构14-15
• §1.2.1 研究内容14
• §1.2.2 组织结构14-15
• 第二章 聚类分析的主要理论15-23
• §2.1 聚类与分类的区别15
• §2.2 数据类型与相似性度量15-18
• §2.3 层次聚类算法18-20
• §2.3.1 凝聚法和分裂法19-20
• §2.3.2 CURE方法20
• §2.4 快速聚类算法20-22
• §2.4.1 K-means算法20-21
• §2.4.2 K-medoids算法21
• §2.4.3 CLARA算法21-22
• §2.5 基于网格的算法22
• §2.6 基于密度的算法22
• §2.7 基于模型的算法22-23
• 第三章 聚类分析我国各地区普通高等教育的发展状况23-45
• §3.1 普通高等教育评价指标体系23-25
• §3.2 数据的收集与整理25-27
• §3.3 层次聚类分析27-38
• §3.3.1 R型聚类分析27-30
• §3.3.2 Q型聚类分析30-38
• §3.4 聚类结果的实际意义38-39
• §3.5 聚类算法的改进39-45
• 第四章 结论与展望45-47
• 参考文献47-49
• 附录49-51
• 致谢51-52
• 学位论文评阅及答辩情况表52

【相似文献】

中国期刊全文数据库 前10条

1 孟姗姗;;全国地区小康和现代化指数的层次聚类分析[J];品牌(理论版);2010年10期

2 肖宜滨;聚类分析的理论及其应用[J];江苏统计;2001年11期

3 揭水平;;多维标度法的聚类分析:问题与解法[J];统计与决策;2009年11期

4 王路德;;聚类分析在体育中的应用[J];体育科学;1984年02期

5 ;聚类分析[J];教育科研情况交流;1984年05期

6 王冶;于洋;;样品的聚类分析与选材[J];沈阳体育学院学报;1984年01期

7 张福宝;聚类分析[J];统计研究;1986年01期

8 夏结来,曹秀堂;典型聚类分析[J];数理统计与管理;1987年03期

9 韦建英;全国37单位科普活动的聚类分析[J];数理统计与管理;1989年03期

10 张宗雄;;利用最大树的方法进行选材因素的聚类分析[J];贵州体育科技;1989年02期

中国重要会议论文全文数据库 前10条

1 梅翠;;我国各地区居民收入差距及其对消费的制约[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 李均立;傅国华;;海南各县(市)经济实力的聚类分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 刘黄金;曹林峰;;南京服务业发展的聚类分析[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年

4 肖静;杨泽峰;徐辰武;;微阵列表达谱监督聚类分析方法的比较研究[A];江苏省遗传学会第七届代表大会暨学术研讨会论文摘要汇编[C];2006年

5 路爱峰;崔玉杰;;沪市电力上市公司经营业绩的聚类分析[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

6 陈国华;廖小莲;夏君;;证券投资分析的聚类分析方法[A];中国企业运筹学[2011（1）][C];2011年

7 张红卫;隗金水;;聚类分析评价与测量效度关系探讨[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

8 牛东晓;乞建勋;;网络资源平衡问题的聚类分析优化遗传算法研究[A];2001年中国管理科学学术会议论文集[C];2001年

9 詹原瑞;彭书杰;李如一;;基于聚类分析的企业信用等级评价方法[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

10 邹晓玫;修春波;;基于聚类分析的犯罪率相关因素的研究[A];当代法学论坛（二○一○年第3辑）[C];2010年

中国博士学位论文全文数据库 前4条

1 张建萍;基于计算智能技术的聚类分析研究与应用[D];山东师范大学;2014年

2 李成安;分布式环境下聚类分析新方法的研究[D];浙江大学;2006年

3 杨旭杰;基于统计方法模型分析的中药复方专利保护研究[D];北京中医药大学;2012年

4 李宝玲;王裕颐教授学术思想与临床经验总结及治疗眩晕证治规律研究[D];北京中医药大学;2012年

中国硕士学位论文全文数据库 前10条

1 李元俊;大学生就业能力培养与社会需求的匹配性研究[D];山东建筑大学;2015年

2 冯雪冰;基于模糊理论的EM算法在聚类分析的应用研究[D];中国地质大学(北京);2015年

3 张沛之;基于聚类分析的海报风格分类之研究[D];青岛大学;2015年

4 何力骜;基于聚类分析的激光诱导击穿光谱爆炸物识别技术研究[D];北京理工大学;2016年

5 赵文睿;基于聚类分析的中国房地产企业信用评级实证研究[D];吉林大学;2016年

6 贾伟;基于聚类分析和灰色模型的短期雷击预警系统设计[D];吉林大学;2016年

7 栾海洋;动车组质量数据聚类分析研究与应用[D];北京交通大学;2016年

8 黄智函;盗窃犯罪时空分布特征研究[D];福州大学;2014年

9 王冰冰;双类型信息网络聚类分析[D];吉林大学;2016年

10 刘剑;基于聚类分析的CAM模板自动提取的研究[D];华中科技大学;2014年

，

本文编号：979012