模糊聚类挖掘技术研究及其在高考志愿填报服务中的应用

摘要

志愿填报是高考招生过程的一个重要环节，在没有科学指导的情况下，很容易出现考生盲目填报的情况，因此，为考生提供志愿填报智能服务有重要意义。院校推荐服务根据考生要求对高等院校进行分类，将合适的院校推荐给考生，免去了考生繁杂的信息搜集和分析任务。为了得到合理的院校分类结果，本文采用模糊聚类挖掘技术对高校数据进行分析，得到了院校归类的不确定性程度，表达了院校类属的中介性，使得院校推荐服务更加科学。 本文详细介绍了模糊聚类技术的理论基础，重点阐述了模糊C-均值算法的实现原理及步骤，针对有效性评判的模糊C-均值算法在求解最佳聚类数目时计算量过大的缺陷，利用减法聚类算法确定初始聚类数目的上限，降低了算法的时间复杂度。针对原有的模糊C-均值算法在对每一个类别数进行聚类时都要重新初始化聚类中心，使得求解最佳聚类数目的算法不稳定的问题，本文通过合并聚类中心的方法对原有的模糊C-均值算法进行了改进，克服了其初始化敏感的问题。在对院校数据进行聚类分析时，本文先利用离差最大化方法计算出院校指标的客观权重，结合考生设定的主观权重对院校数据进行特征加权，再利用模糊C-均值算法对特征加权后的数据进行聚类，避免了原有的模糊C-均值算法将不同指标对聚类过程的贡献均匀化处理的缺点。实验结果表明，基于特征加权的模糊C-均值算法体现了不同指标对聚类过程做出的不同贡献，达到了更好的聚类效果。 本文最后利用改进的模糊C-均值算法设计了一个院校推荐模型，并将它应用于高考志愿填报院校推荐智能服务。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题来源

1.2高考志愿填报的特点

1.3高考志愿填报智能服务的研究现状

1.3.1信息参考辅助高考志愿填报

1.3.2基于数据挖掘的高考志愿填报智能服务

1.4模糊聚类分析的研究与应用

1.4.1模糊聚类分析的研究与发展

1.4.2模糊聚类分析的应用

1.5课题研究的意义

1.6本文的研究内容与组织结构

第二章模糊聚类相关技术

2.1模糊聚类理论基础

2.1.1模糊集合及其运算

2.1.2模糊关系

2.1.3模糊性度量

2.2模糊聚类方法

2.2.1谱系聚类方法

2.2.2基于图论的聚类方法

2.2.3基于等价关系的模糊聚类

2.2.4基于目标函数的模糊聚类

2.2.5模糊C-均值聚类算法

2.3聚类有效性函数

2.3.1基于模糊划分的聚类有效性函数

2.3.2基于几何结构的聚类有效性函数

2.3.3 Xie-Beni函数

2.4本章小结

第三章求解FCM算法最佳聚类数的改进方法

3.1基于有效性评判的最佳聚类数求解方法

3.2基于减法聚类的FCM初始聚类数目上限求解

3.2.1减法聚类算法

3.2.2初始聚类数目上限的确定

3.2.3时间复杂度分析

3.3基于合并聚类中心的求解最佳聚类数初始化改进方法

3.3.1主要的聚类初始化方法

3.3.2基于有效性评判的FCM算法初始化的分析

3.3.3聚类中心的合并

3.3.4基于合并聚类中心的初始化

3.4基于减法聚类和合并聚类中心的FCM改进算法描述

3.4.1基本思想

3.4.2算法步骤

3.5实验分析

3.5.1样本数据集的选定

3.5.2仿真实验

3.6本章小结

第四章数据的规范化及基于特征加权的FCM算法

4.1数据的规范化

4.1.1最大-最小规范化

4.1.2 Z-Score规范化

4.1.3压缩到[0，1]闭区间内

4.2基于特征加权的FCM改进算法

4.2.1基于离差最大化的客观赋权法

4.2.2基于主观权重和客观权重的组合特征加权

4.2.3基于特征加权的FCM改进算法的实现步骤

4.3实验分析

4.4本章小结

第五章改进FCM算法在高考志愿填报智能服务中的应用

5.1院校推荐模型

5.1.1院校推荐模型的指导思想及流程

5.1.2院校指标体系

5.2算例分析

5.2.1确定高校样本数据集

5.2.2院校分类

5.2.3评定推荐等级

5.3院校推荐系统的设计与实现

5.3.1开发环境及开发技术

5.3.2系统结构

5.3.3系统运行效果

5.4本章小结

第六章结束语

6.1本文研究工作总结

6.2后续的研究工作与展望

参考文献

致谢

攻读硕士学位期间完成论文情况、参加的科研情况