基于蟻群算法的聚類分析在學(xué)生成績評價中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘是一門從大量數(shù)據(jù)中根據(jù)特定算法挖掘潛在信息，供研究者進(jìn)行分析的技術(shù)?，F(xiàn)在已經(jīng)廣泛應(yīng)用于各大領(lǐng)域，并取得眾多有價值的研究成果。聚類分析是數(shù)據(jù)挖掘的模式之一，其功能是將樣本數(shù)據(jù)按照相似性規(guī)則分類，使同一類之間數(shù)據(jù)相似性高，不同類之間數(shù)據(jù)差別性大，通過聚類能刻畫事物的特征性。
　　 群體智能是生物學(xué)、計算機(jī)技術(shù)等多門學(xué)科的交叉領(lǐng)域，是自然界中無智能或者低智能的單個個體，受群體之間的相互影響、協(xié)作能完成復(fù)雜的具有智能性任務(wù)的模式

2、。20世紀(jì)90年代意大利學(xué)者M(jìn).Dorigo等受自然界中螞蟻能夠在蟻穴與食物源之間搜索最短路徑行為的啟發(fā)，提出蟻群算法，成功解決了諸多組合優(yōu)化問題例如旅行商、TSP問題、圖著色問題等。
　　 基于蟻群算法的聚類分析因其能彌補(bǔ)傳統(tǒng)聚類算法所存在的需預(yù)先設(shè)定聚類條件的不足，成為近年來研究聚類分析的一大熱點(diǎn)。本文在Lumer和Faieta提出的蟻群聚類算法基礎(chǔ)上提出了兩點(diǎn)改進(jìn)，一是對螞蟻訪問過的數(shù)據(jù)對象進(jìn)行記錄，能保證所有數(shù)據(jù)都被遍歷

3、到，同時防止同一數(shù)據(jù)被反復(fù)的拿起以及放下;二是建立一張“歷史位置全局記憶庫”，引導(dǎo)螞蟻有目的性地較快放下所負(fù)載的數(shù)據(jù)對象，同時也能有效地避免局部最優(yōu)解的出現(xiàn)。通過改進(jìn)算法與未改進(jìn)算法的實(shí)驗對比驗證改進(jìn)算法具有較好的性能，能提高聚類的收斂速度和聚類結(jié)果的準(zhǔn)確性。
　　 最后，將改進(jìn)的算法應(yīng)用于學(xué)生成績評價的挖掘中，包括學(xué)生成績的綜合評價和單科成績的等級評價。綜合成績評價的挖掘，能夠?qū)W(xué)生的整體能力進(jìn)行不同類別的宏觀分析，可以幫助教