论文部分内容阅读
随着现代职业教育的发展,学生的信息也发生了很大的变化:有跨省份的、跨地区的;学生中有初中毕业生、中专毕业生、高中毕业、专科毕业生、本科毕业生;培养的学生有中级工层次、高级工层次、高职层次、技师层次等;学生所学专业门类更趋向细致化;学校规模越大,学生数量更是呈现爆炸式增长,所需处理的学生信息就更加多了。随着学生信息量的海量增加,传统的的学生信息处理能力的限制,成为职业院校发展的瓶颈。为了解决这个问题,一般都采用提高现代化办公手段来缓解问题,但这种方法不但不能保证学生数据的准确性,而且并不能从宏观上给学校领导、各级管理人员提供及时、有效的学生信息。与利用其他技术的数据挖掘相比较,基于聚类分析方法的技术难点着重在于怎样根据实际需要解决的应用要求,从各种复杂的原始数据源中挖掘那些能够满足实际需求的客户操作和系统操作的关键属性项,然后选择恰当的能够解决该课题的聚类算法进行挖掘。这就需要我们要清楚的了解和掌握学生信息管理项目中各种数据的特点和数据特征,从而选取能够较好的对学生信息数据进行恰当处理的聚类算法,并进行适当改进,我认为这种尝试对职业教育学生管理发展来讲,是一项非常有实际意义的研究工作。本文在深入研究聚类各种算法的基础上,围绕聚类技术在学生信息管理系统中的具体应用这一主题,将聚类算法在学生信息处理应用中,各种算法的应用效果一一展现出来,并对实际应用中聚类算法的改进提出观点。本文主要从以下三个方面进行了创新性研究:1.研究了聚类算法本文在介绍本课题的研究背景、课题的研究现状以及阐述了本文所做的主要工作的基础上,介绍了聚类的分析方法以及基于K-means算法、CURE算法、DBSCAN算法、CLIQUE算法和BIRCH算法等等的聚类研究。2.设计实现了学生信息管理系统学生信息管理需涵盖现代职业高校学生工作所有环节,涉及到学生学籍、学生成绩、课堂教学、学生事务、心理健康、综合测评等很多方面。对学生信息管理系统的主要功能以及模块处理流程进行了详尽阐述。3.将聚类算法进行改进并应用到学生信息管理中本文以聚类算法在学生综合评价、学生成绩评估、课堂教学评估三个方面的应用为例,选取了能够胜任学生信息数据处理的聚类算法。体现了聚类算法在教育行业的广阔发展前景。