基于K-prototype聚类的职业院校学生校园消费行为分析——以宣城职业技术学院为例

职业院校数字化转型环境下,数据挖掘技术成为促进职业院校教学管理精准化、决策科学化的重要途径。本文基于K-prototype聚类算法,以宣城职业技术学院学生相关校园消费行为数据为切入点,探究职业院校学生消费行为与学生主体的交互影响,建立了四类学生校园消费行为类别,分析不同类别学生群体的基本情况、学习情况、身心健康情况的具体特征及相关性。研究得出：性别年龄因素与职业院校消费行为存在相关性;校园月均消费金额较低的学生自主学习能力较弱;校园日均消费次数较高的学生更容易产生相关心理问题。职业院校学生校园消费管理行为分析为新形势下学校数字治理和学生未来职业发展提供决策参考。     

寻回“消失的附近”——乡土文化资源的开发和利用

寻回“消失的附近”,需要带领学生重新体验人与人、人与置身环境的联结。重视日常生活和特色文化等乡土文化资源的开发和利用,规划“借助乡土文化内容,驱动教学目标高效达成;借助多样教学方式,驱动师生主动性持久激发;借助多维载体运用,驱动学习成果交流共享”的“三借三驱”教学路径,并不断完善,形成乡土文化融入初中语文教学的有益探索。     

数字时代下基于画像的公共图书馆评估路径探究——以江苏省市级公共图书馆为例

[目的/意义]公共图书馆作为地方信息文化中心,扮演着文献保存与信息传递的重要作用。然而受经济、人口等因素影响,图书馆发展参差不齐。为了提高公共图书馆评估的科学性与针对性,[方法/过程]本文利用K-Means算法对图书馆的不同特征进行聚类,探索出一条基于画像评估的新型路径。并以江苏省市级公共图书馆为例进行实证分析,将十三个馆划分为四类：安于现状型图书馆、稳步发展型图书馆、欣欣向荣型图书馆和积极进步型图书馆。评估不同类型图书馆特征,提出针对性的发展建议。[结果/结论]通过实证检验了基于画像评估路径的可行性,从而为公共图书馆的常态化评估提供新思路。     

基于空间约束模糊聚类的活性污泥显微图像分割

针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。     

三角不等式原理对聚类算法的改进

聚类分析是数据挖掘中的一个重要研究领域,面对大规模的、高维的数据,如何建立有效的聚类算法是目前一个研究热点。现已有多种直接和快速的聚类算法,但是当处理海量数据时,时间效率仍然有待提高。本文应用三角不等式原理,分别对TTSAS算法和k-means算法提出改进,避免其中冗余的距离计算,提高原算法效率。     

“棋心聚力”全国象棋冠军公开课观摩笔记(上)

在全国上下万众一心抗击新冠肺炎疫情之际,国家体育总局棋牌运动管理中心和中国象棋协会为丰富广大象棋爱好者的文化生活,于2月19日至3月3日,连续推出“棋心聚力”全国象棋冠军公开课.王天一、郑惟桐、赵鑫鑫、蒋川、唐丹等14位全国象棋男女冠军棋手在天天象棋APP和虎牙直播两个平台进行现场直播,每天一位冠军,45分钟精彩讲解,连续两周播不停.     

基于单链接聚类过滤法的均值方差模型

为了消除由于估计收益率数据的时间序列的有限性而导致马克威茨均值-方差模型的统计不确定性,采用基于单链接聚类过滤法的均值-方差修正模型.选取上证50成分股2004~2007年的日数据,对修正前后的模型进行了实证对比分析发现:(1)修正后模型投资组合的可靠性系数比修正前模型的平均低0.067;(2)修正后模型投资组合估计风险和预测风险分别比修正前模型投资组合平均低0.096和3.329;(3)修正前模型投资组合的有效大小比修正后模型投资组合小0.0321,表明其风险分散程度更低.这在某种程度上表明:修正后模型要优于修正前模型的投资组合.     

数据流聚类算法分析

数据流作为一种新的数据对象,近年来成为了数据挖掘领域的研究热点问题,具有很大的应用前景。文章首先比较了数据流聚类分析和传统的聚类分析的一些不同点,然后对目前几个典型的数据流研究成果进行了分析,最后对数据流的进一步研究方向进行了展望。     

一种基于聚类的云计算任务调度算法

任务调度是云计算中的一个关键问题.针对 Min-Min 算法负载不平衡的缺点,引入 K-means 聚类,提出一种基于 K-means 聚类和 Min-Min 的云计算任务调度的新算法.该算法采用 K-means 聚类方法依据任务长度对任务聚类进行预处理,然后根据 Min-Min 算法的机制进行任务调度.仿真结果表明,该算法具有较好的负载均衡性和系统性能.