查询结果:   郭玉彬,吴宇航,薄傲峰,郑淑敏,张晓鹏.基于认证数据的学生上网时间特征分析[J].计算机应用与软件,2019,36(11):101 - 106,133.
中文标题
基于认证数据的学生上网时间特征分析
发表栏目
应用技术与研究
摘要点击数
6
英文标题
ANALYSIS OF STUDENTS’ ONLINE TIME CHARACTERISTICS BASED ON AUTHENTICATION DATA
作 者
郭玉彬 吴宇航 薄傲峰 郑淑敏 张晓鹏 Guo Yubin Wu Yuhang Bo Aofeng Zheng Shumin Zhang Xiaopeng
作者单位
华南农业大学数学与信息学院 广东 广州 510642 中山大学数据科学与计算机学院 广东 广州 510006    
英文单位
College of Mathematics and Information, South China Agricultural University, Guangzhou 510642, Guangdong, China School of Data and Computer Science, Sun Yat-sen University, Guangzhou 510006, Guangdong, China    
关键词
认证数据 时间特征 K-canopy算法 K-means算法
Keywords
Authentication data Time characteristic K-canopy algorithm K-means algorithm
基金项目
国家重点研发计划项目(2016YFD0800307);国家科技支撑计划项目(2015BAD06B03-3)
作者资料
郭玉彬,副教授,主研领域:数据库,网络计算。吴宇航,硕士生。薄傲峰,硕士。郑淑敏,学士。张晓鹏,硕士。 。
文章摘要
为研究高校本科生上网时间特征,将学生上网认证数据转换成学生上网时长向量集。利用K-canopy算法去除离群点,并通过指标投票机制得到最佳聚类个数;利用K-means算法分别对工作日和周末上网时长向量集进行聚类,将工作日向量集聚为6个类、周末向量集聚为5个类;分析聚类结果,得到各类学生的上网时间特征、学生个人的上网时间特征和各专业中各年级学生上网时间特征。学生上网时间特征可为专业课程时间安排、学生管理等工作提供参考。
Abstract
For studying undergraduates’ online time characteristics, the online authentication data of undergraduates were transformed into the vector set of their online time. K-canopy algorithm was used to remove outliers, and the quota voting mechanism was adopted for selecting the optimal number of clusters. The K-means algorithm was adopted to cluster the vectors of the time spent on the Internet on weekdays and weekends respectively. The vectors of the weekdays were clustered into 6 classes, and the vectors of weekends were clustered into 5 classes. By analyzing the clustering results, we can acquire online time characteristics of all kinds of students, a single student and students in different grades of a certain specialty. All those online time characteristics can provide reference for time arrangement of professional courses and student management.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于核函数的改进k-means文本聚类
张国锋
算法
2019
9
281
[摘要]
2
基于多密度峰值的CFSFDP算法改进
孙绵
算法
2019
8
235
[摘要]
3
个性化高校新闻分类推荐的应用研究
毕曦文
人工智能与识别
2019
7
218
[摘要]
4
基于差分隐私的混合位置隐私保护
徐启元
安全技术
2019
6
296
[摘要]
5
基于自适应权重法的K-means模型对遥感图像分割
姜文斌
算法
2019
5
231
[摘要]
6
营销活动问题标签分类语料库的构建与分类研究
徐俊利
数据工程
2019
3
42
[摘要]
7
一种改进的K-means算法在城市通勤研究中的应用
周天绮
算法
2019
3
265
[摘要]
8
基于认证数据的学生上网时间特征分析
郭玉彬
应用技术与研究
2019
11
101
[摘要]
9
基于最大距离积与最小距离和协同K聚类算法
邹臣嵩
算法
2018
5
297
[摘要]
10
一种用户画像系统的设计与实现
王洋
软件技术与研究
2018
3
8
[摘要]
11
不平衡数据分类研究及其应用
叶枫
应用技术与研究
2018
1
132
[摘要]
12
面向大规模数据快速聚类K-means算法的研究
郭占元
数据工程
2017
5
43
[摘要]
13
一种新的微博社区发现算法
杨长春
算法
2017
3
194
[摘要]
14
密度峰值优化初始中心的K-means算法
李敏
算法
2017
3
212
[摘要]
15
基于词向量的微博话题发现方法
李帅彬
数据工程
2017
12
47
[摘要]
16
基于数据场的数据势能竞争与K-means融合的聚类算法
许家楠
算法
2017
12
266
[摘要]
17
一种改进的基于核密度估计的DPC算法
仇上正
算法
2017
12
278
[摘要]
18
基于多重特征信息的图像显著性检测方法
孟莎莎
图像处理与应用
2016
9
190
[摘要]
19
基于CIELAB颜色模型的数字照片背景色替换
胡苏阳
图像处理与应用
2016
7
229
[摘要]
20
基于改进的分布式K-Means特征聚类的海量场景图像检索
崔红艳
图像处理与应用
2016
6
195
[摘要]
21
一种融合K-means和快速密度峰值搜索算法的聚类方法
盛华
算法
2016
10
260
[摘要]
22
一种融合K-means算法和人工鱼群算法的聚类方法
吕少娟
算法
2015
9
240
[摘要]
23
基于改进K-means算法的不均匀光照下道路裂缝检测
王德方
算法
2015
7
244
[摘要]
24
基于系统调用时间特征的异常行为智能检测系统
赵刚
安全技术
2015
4
309
[摘要]
25
基于网格和图论的初始聚类中心确定算法
黄红伟
算法
2015
2
228
[摘要]
26
基于均值聚类分析和多层核心集凝聚算法相融合的网络入侵检测
王兴柱
安全技术
2015
12
313
[摘要]
27
基于用户聚类的推荐算法
刘璟
算法
2015
10
269
[摘要]
28
基于近邻图的k-means初始中心选择调优算法
胡湘萍
人工智能与识别
2014
4
178
[摘要]