导　　师： 陈启买

学科专业： H1202

授予学位： 硕士

作　　者： ;

机构地区： 华南师范大学

摘　　要： 聚类分析是数据挖掘领域广泛使用的一种技术，可以自动发现隐含在数据集中的分类模式。 本文在充分分析数据挖掘的相关理论与方法的基础上，详细研究了各种有代表性的聚类算法，并对其各自缺点与优势以及所适应的具体领域进行了分析对比，给出了挖掘大型数据库的几种方法，并应用于学分制体系下的学生选课数据。这些数据可以看作分类属性的数据或布尔型数据。通过研究表明，使用距离作为测度的传统聚类算法并不适合处理这类数据。在分析数据集特点的基础上，本文提出了使用ROCK算法进行学生专业自动分类的方法。 ROCK算法用公共近邻点数来衡量两数据间的相似性，这样有利于考虑数据分布的全局特征，具有良好的聚类特性和可扩展性。通过在开发的模型系统上进行实验分析，得到了较好的实验结果，对较好的解决学分制体系下学生专业自动分类问题具有积极意义。

关 键 词： 数据挖掘 聚类分析 聚类算法 学分制 分类属性 高校专业自动分类

分 类 号： [TP274.2 G254.11]

领　　域： [自动化与计算机技术] [自动化与计算机技术] [文化科学]