高校毕业生就业趋势邻接树分析方法研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对目前毕业生就业趋势使用常规统计、决策树及Apriori等非数值特征挖掘技术,对海量非度量的、结构异构的阵列统计存在数据计算量大、算法鲁棒性弱及可视化表征的不足,提出了一种统计频率特征距离的高校毕业生就业趋势邻接树分析方法.该方法首先统计每个待分析类别的离散概率分布(由随机变量的值及其相应的概率组成)并进行快速傅立叶变换;然后,通过待分析类别的统计频率分布间的Wasserstein距离进行量化计算,得到待分析类别间的对称相似距离矩阵;最后,用邻接生成树的形式通过距离矩阵对比较特征进行聚类可视化分析.试验研究表明,该方法能适应高等院校毕业生大规模数据的快速、鲁棒分析,也能对就业状态进行定量多标准比较及可视化表征,具有较好的应用前景.

外文标题：Research on Employment Trend Analysis Method of College Graduates Based on Neighbor Joining Phylogenetic Trees

作者：

李兆飞、熊兴中、汤勇、Volchenkov Dimitry

展开 >

作者单位：

四川轻化工大学自动化与信息工程学院,四川宜宾 644002

人工智能四川省重点实验室,四川宜宾 644002

比勒费尔德大学先进认知交互技术中心,德国比勒费尔德 D-33718

关键词：

高等院校就业分析 Wasserstein距离邻接树

基金：

国家自然科学基金国家自然科学基金四川省科学技术厅科技计划四川省科学技术厅科技计划四川省科学技术厅科技计划自贡市重点科技计划自贡市重点科技计划四川轻化工大学科研项目四川轻化工大学教学改革项目四川轻化工大学教学改革项目四川轻化工大学专业学位研究生课程案例库建设项目

项目编号：

11705122617013302018JY019719ZDZX00372019YF?SY00452019YYJC152019YYJC032020RC32JG-2005JG-1808KA202003

出版年：

2021

DOI：

10.11863/j.suse.2021.05.12

四川轻化工大学学报(自然科学版)

ISSN：

年,卷(期)：2021.34(5)

参考文献量2