基于聚類在自考考生流失多重因素分析中的應(yīng)用研究.pdf

1、深入了解自學(xué)考試考生流失的綜合兇素,對(duì)提高自考管理水平十分重要。北京市自學(xué)考試業(yè)務(wù)系統(tǒng)擁有近十年來(lái)較為完整的考生信息數(shù)據(jù)庫(kù),應(yīng)用數(shù)據(jù)挖掘?qū)ζ浜Ａ繑?shù)據(jù)進(jìn)行分析處理,具有很強(qiáng)的理論與現(xiàn)實(shí)意義。 本文應(yīng)用數(shù)據(jù)挖掘技術(shù)中聚類分析方法及其劃分算法,對(duì)高等教育自學(xué)考試(自考)流失考生的多重因素進(jìn)行了分析,重點(diǎn)分析整理了北京市7年(2001-2007)的自考數(shù)據(jù)庫(kù),得出了自學(xué)考試考生流失的綜合因素,并通過(guò)一般統(tǒng)計(jì)方法進(jìn)行了驗(yàn)證。 本研

2、究分為樣本定義、提取及預(yù)處理、算法選擇及實(shí)現(xiàn)和后驗(yàn)證等幾個(gè)步驟。 在樣本定義時(shí),首先明確了考生流失的概念,確定了使用畢業(yè)生“跨度”和“暫停期”作為考生流失的特征,并根據(jù)流失數(shù)據(jù)與畢業(yè)生數(shù)據(jù)的比較分析,確定了流失特征量的閾值。 在樣本提取及預(yù)處理時(shí),以樣本定義為依據(jù),對(duì)自考數(shù)據(jù)庫(kù)進(jìn)行了處理,提取了流失樣本,進(jìn)行了數(shù)據(jù)標(biāo)準(zhǔn)化。樣本屬性選擇是應(yīng)用聚類分析方法的前提。本文通過(guò)分析候選屬性在畢業(yè)生和流失考生中的相對(duì)分布,觀察其是否

3、有顯著差別的方法,確定了年齡、性別、職業(yè)等18個(gè)屬性,完成了樣本預(yù)處理。 在應(yīng)用聚類分析方法時(shí),重點(diǎn)研究和實(shí)現(xiàn)了劃分方法中的K-means算法,介紹了k值確定的實(shí)驗(yàn)過(guò)程,依據(jù)類內(nèi)間距的計(jì)算結(jié)果對(duì)最優(yōu)結(jié)果進(jìn)行了選擇與科學(xué)評(píng)價(jià)。研究中使用C++語(yǔ)言編程,完整實(shí)現(xiàn)了數(shù)據(jù)庫(kù)的自動(dòng)處理、相應(yīng)算法實(shí)現(xiàn)、結(jié)果輸出等功能,論文中給出了全部偽代碼及流程描述。 在后驗(yàn)證中,通過(guò)常規(guī)統(tǒng)計(jì)方法,對(duì)聚類分析結(jié)果進(jìn)行了驗(yàn)證,結(jié)果基本相符。