关于医学院论文范文集,与KMeans算法在计算机等级考试成绩中的应用相关论文查重

本论文是一篇关于医学院论文查重,关于KMeans算法在计算机等级考试成绩中的应用相关毕业论文格式范文。免费优秀的关于医学院及大学学报及数据库方面论文范文资料,适合医学院论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

摘 要：讨论了数据挖掘技术在计算机等级考试评分系统中的应用.利用聚类分析对考生的得分情况进行分析,得到了各类学生对考题的掌握情况.所得结论对提高考生的过级率以及教师后续教学工作的开展均具有一定的指导意义.

关 键 词：数据挖掘；聚类分析；计算机等级考试；KMeans

中图分类号：TP301文献标识码：A文章编号：16727800（2012）011001903

医学院本科论文初稿怎么写
播放:25441次 评论:7633人

________________________________________

基金项目：贵州省科学技术基金资助项目（黔科合J字LKZ[2011]22号）

作者简介：曾旭（1981-）,女,硕士,遵义医学院医学信息工程系讲师,研究方向为信息安全、密码学、数据挖掘；司马宇（1979-）,男,硕士,遵义医学院网络技术中心讲师,研究方向为网络安全、信息管理系统.0引言

数据挖掘是从大量数据中发现有趣模式,其中数据可以存放在数据库、数据仓库或其它信息库中.这是一个年轻的跨学科领域,源于诸如数据库系统、数据仓库、统计学、机器学习、数据可视化、信息检索和高性能计算.其它有贡献的领域包括神经网络、模式识别、空间数据分析、图像数据库、信号处理和许多应用领域,如商务、经济学和生物信息学.

数据挖掘的类型很多,如总结规则挖掘、关联规则挖掘、分类规则挖掘、聚类规则挖掘、预测分析、趋势分析和偏差分析等.其中,聚类分析已经广泛应用于市场研究、模式识别、数据分析和图像处理等领域.

1聚类分析

聚类是将数据集划分为若干组的过程,并使得同一个组内的数据对象具有较高的相似性,而不同组中的数据对象具有较低的相似性.聚类是一种无指导的学习过程,事先不知道样本类别,也不知道类别个数.

1.1数据结构

大多数聚类算法采用数据矩阵和相异度矩阵作为数据结构.

数据矩阵是一个对象—属性结构.它由n个对象组成,是利用p个属性来进行n个对象的描述.

相异度矩阵是一个对象——对象结构.它存放所有n个对象两两之间所形成的差异性（相似性）.

如果数据以数据矩阵的形式给出,则往往需将数据矩阵转换为相异度矩阵,相异度矩阵可用距离公式计算得到,相异度有时也称距离.

1.2数据类型

聚类分析中常用的数据类型有区间标度变量、二元变量、标称型变量、序数型变量、比例标度变量和混合类型的变量.相异度矩阵的具体计算会因所使用的数据类型的不同