首页|一种改进DBSCAN特征聚类的学习者类画像方法

一种改进DBSCAN特征聚类的学习者类画像方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对传统聚类算法在学习者群体划分时存在的问题,提出一种基于改进DBSCAN特征聚类的学习者类画像方法.首先,在分析学习者行为数据的基础上,采用改进的PCA-GRBM算法进行多维特征提取;然后充分利用同类学习者在答题过程中的相似性,在经典DBSCAN算法中引用以斯皮尔曼相关系数为度量的多重聚类步骤,提出改进的S-DBSCAN多重特征聚类算法;最后将其应用于学习者类画像的构建中,并对得到的学习者群体特点进行了分析.实验表明,提出的方法有效地提取了学习者类别特征,聚类结果取得了最小的戴维森堡丁指数,适合对学习者类进行画像研究.
A Learner Class Profile Method Based on Improved DBSCAN Feature Clustering

李静、郝耀军、杨瑜

展开 >

忻州师范学院计算机系 忻州 034000

学习者类画像 主成分分析 高斯-伯努利受限玻尔兹曼机 DBSCAN

山西省本科教学质量提升工程项目

J2020291

2022

10.3969/j.issn.1672-9722.2022.04.004

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(4)
  • 2
  • 4
  • 5