基于聚类分析视角的我国省域经济综合竞争力研究

聚类分析是研究事物分类的基本方法,通过比较各事物之间的性质,将性质相近的归为一类,将性质差别较大的归入不同的类,从而达到认识事物的目的.本文通过建立我国省域经济综合竞争力评价指标体系,采集2005和2006两年的数据,利用主成份分析和聚类分析相结合的方法,对全国31个省份近两年的经济综合竞争力进行聚类评价.通过对聚类结果的分析,进一步探索了我国省域经济综合竞争力的影响因素和内在规律,以期加强对省域经济综合竞争力评价结果客观性和科学性的研究.     

正交实验法在教育科研中的应用简介

正交实验法是研究和处理多因素,多水平(等级)实验的一种科学方法.它采用由统计学家制成的已规格化的表——正交表〔用Lx(r~n)表示.L:正交表,x:实验次数或实验组数,n:因素数r:水平或等级数〕科学地挑选实验因素和水平,合理安排试验.其优点是各因素,水平安排均衡可比,能用最少的实验次数,从多因素,多水平中找出主要矛盾(因素或水平)选出最优或较优的研究方案,在分析数据时又能非常方便地找出各因素的作用.在教育科研中,我们可以运用正交实验法筛选教学经验,论证教学经验在不同类别学校、不同层次学生中的效果,可缩短科研周期.现将正交实验设计与综合评价方法简介如下.     

K-means聚类算法研究

聚类分析是模式识别中一个重要研究领域,是一种将数据划分或分组处理的重要手段和方法.K-means算法是聚类算法中主要算法之一,文章介绍了K-means聚类算法的实现方法,并对其优点和缺点进行了详细的分析.     

物理教学应突出『理想化方法』

事物都是错综复杂的,在用物理规律对客观事物进行研究时,常需要对它们进行必要的简化,忽略次要因素,以突出主要矛盾.这种突出对所研究事物起主要作用的性质或条件,完全忽略其他性质或条件而进行科学抽象,反映所研究事物的本质特征,呈现所包含的主要矛盾的方法,便是理想化方法.     

数据挖掘中基于模型的聚类分析方法研究

聚类分析已成为数据挖掘研究中非常活跃的研究课题,在聚类分析方法中,基于模型的算法由于考虑到“噪声”或异常数据,可以自动确定聚类个数,可以产生鲁棒的聚类方法,而成为领域研究的一个重点。本文主要对神经网络中的竞争学习神经网络、SOFM 神经网络方法、统计学聚类方法研究。     

模糊数学与教学评价指标的确定

本运用模糊数学的方法,对教学评价指标要素进行聚类归并,确定评价指标的主要素 。     

模糊聚类分析在数据挖掘中的应用研究

聚类分析是数据挖掘的一个重要研究领域,按照一定的要求和规律将事物进行分类的一种数学方法。将模糊数学的模糊理论应用于数据挖掘的聚类分析中,提出一种快速模糊C-均值聚类算法,并给出模糊聚类分析在数据挖掘中的应用的主要步骤,大大提高计算效率,收敛速度非常快,对大量数据处理是有实际意义的。     

数据挖掘技术在连锁药店管理中的应用研究

以亳州盖福祥连锁药店为例,利用关联规则对数据库中药品的销售信息进行挖掘及利用NK—means聚类算法对顾客忠诚度进行聚类分析研究,找出影响连锁药店盈利的主要因素,为连锁药店改进营销策略、提高服务质量提供参考依据。     

一种新尝试:基于系统聚类的考试数据分析

聚类分析是数据挖掘技术中一种常用的分析方法.将系统聚类分析法应用到考试数据分析,既有利于教师抓住学生的知识点误区,帮助学生建立学科知识网络,也有利于教师从学生的实际情况出发,根据学生存在的知识点误区和个性特点,因材施教.广州市某中学高三联考物理考试数据的聚类分析结果表明,教师采用系统聚类分析法进行考试数据分析时,既应关注聚类题目的共性,也应关注聚类题目的个性,同时还应关注具有共性的非聚类题目的个性.     

K-means算法最佳聚类数评价指标研究

聚类分析广泛应用于商务智能、图像模式识别、Web搜索、生物学等领域,是一种无指导的观察式学习。然而,绝大多数聚类分析算法都面临着一个非常棘手的问题——最佳聚类数的确定。K-means是典型的基于划分的聚类方法,它需要用户输入聚类数K,但这通常非常困难。聚类数的确定是决定聚类质量的关键因素。虽然有许多被用来估计最优聚类数的聚类评价指标,但对于不同的聚类算法,不同的评价指标效果差异很大。为确定针对K-means聚类算法效果最好的评价指标,采用4种典型的不同聚类结构特征的人工模拟数据以及来自UCI的真实数据集对7种评价指标的性能进行实验比较,结果表明CH指标和I指标在评估K-means算法的最佳聚类数时效果较好。     

试论高职教育整合的类别

整合是将两个以上异质事物、现象或主体统合为一体的归并融合的过程.高职教育的整合分类应以高等教育发展的本质特征——适应性为标准,将其划分为外适性整合、内适性整合、自适性整合、个适性整合四类,简称“四适性”分类.     

论思想政治教育的契机

“契机”一词近年来在各式各样的文章中经常出现,已经不为人们所陌生。笔者试图将这一概念引入思想政治教育领域,进而探讨“契机”对于思想政治教育的重大意义。一、“契机”的概念及其在思想政治教育过程中的意义“契机”的涵义我们可以从三种不同的角度来分析。首先,从哲学层面来讲,“契机”是指对事物发展进程产生重大影响或决定一事物转化为它事物的关键因素。在事物发展的某一阶段,这样的因素可能以非主要矛盾方面或偶然因素的形式存在着,随事物的发展则成为决定事物发展方向的主要环节。其次,从科学的层面来描述,“契机”体现了系统或…     

土壤重金属污染灰色聚类法评价

根据灰色系统基本原理和聚类分析法,用灰色聚类分析对院海铁路郑州-圃田段断面土壤重金属进行综合评价.此法先确定灰类白化函数,引入修正系数修正,避免分级标准值的误判.同时对污染物实测值进行合理权重处理.灰色聚类结果表明:得出重金属污染综合评价结果与实际污染状况基本一致,说明运用灰色聚类法是一种适用于土壤污染综合评价的科学方法.     

关于运用模糊聚类分析评价教学质量的研究

教育现象的许多因素无法划分到绝对明晰的类别中,任何具体的同一性都是相对的,其中包含着差异和变化,因而呈现出一定的不确定性.依照模糊数学的观点,被人们视为同一的许多事物,都是一个模糊集合.据此,我们可以借助模糊聚类分析测量教育因素间的指标值或计算它们的相关值,建立教育研究评判指标,对教师教学质量进行科学的量化评价.     

数种基于SPSS统计工具的聚类算法效率对比

利用统计分析软件SPSS对99组实例数据进行聚类分析,包括K-means聚类、系统聚类、两步聚类三大类,其中K-means聚类包括K-means未标准化聚类和K-means标准化聚类两小类,选取判断类内紧致性指标1和类间分离性指标2综合衡量聚类结果有效性,从而比较聚类数种算法中三大聚类方法的聚类效果。实验发现,K-means聚类有效性普遍比系统聚类好,系统聚类普遍比两步聚类有效,且系统聚类分析效果随着聚类个数的增加不断改善。     

模糊聚类分析在数据挖掘中的应用

聚类分析是数据挖掘的主要方法之一,而且能够作为一个独立的工具获得数据的分布状况,集中对特定的聚簇集合作进一步的分析。介绍了数据挖掘过程中常见的数据聚类算法,讨论了聚类分析最新的研究方向——模糊聚类方法。     

基于灰色聚类的河南省小康社会发展水平分析

采用灰色聚类分析方法对河南省的18个城市小康社会的发展水平进行了评价、分析、聚类排序,建立较为全面的小康社会发展水平评价体系,旨在为河南省小康社会建设提供决策依据.     

因子分析与教学评价指标的确定

本文运用因子分析的方法,将某高校采用的11个教学评价指标要素转换为4个,并用简洁规范的语言描述归并后的主因素,确定了评价指标的主要素.     

基于因子分析和聚类分析方法对大学生综合素质的评价

简略介绍了因子分析和聚类分析.通过利用因子分析和聚类分析的方法,对学生的学业成绩和德育成绩进行全面分析,得到学生综合素质更为合理的评价.且将学生总体作聚类分析,利用多种聚类方法提取共性部分,得到合理分类.研究结果表明,较以往常用的两种方法(平均积点分和综合测评总分),该方法更具有一定的科学性与合理性.     

上海市普通学校随班就读工作现状的调查研究

普通学校是实施融合教育的核心.教育政策在提高随班就读工作质量方面有着重要作用.本研究采用自编问卷,对上海市300所普通学校开展随班就读工作的情况进行了调查研究.研究发现:上海市部分普通学校在随班就读管理制度、教研活动、个别化教育、融合教育、家校合作等方面已经有较大发展,但多数学校在课程调整、学生评价等方面存在突出问题;资源缺乏特别是教师资源缺乏是目前存在的主要矛盾,初中随班就读工作的开展情况落后于小学.针对调查中出现的问题,笔者提出了相应的建议.