预览加载中,请您耐心等待几秒...
1/8
2/8
3/8
4/8
5/8
6/8
7/8
8/8

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

数字学习中的教育数据挖掘与数据聚类分析海外案例 互联网和通信技术的发展,使基于互联网的远程教育 与数字学习得到了迅速发展。而学习者在数字学习过程中会 产生大量的数据资源,分析这些数据资源能够帮助教育工作 者更好地了解学习者及其需求,进而改进数字学习系统。 时至今日,在数字学习系统中整合数据挖掘的探索仍处 于初级阶段,但在过去的几年中,这方面的学术研究已有了 很大进展,其中大部分涉及聚类方法的设计和应用。因此, 笔者在本文回顾了最近应用于数字学习的聚类研究海外案 例,期望能够通过对其基本算法和案例的介绍,为数字学习 研究者和从业者提供借鉴。 ●教育数据挖掘中的基本聚类算法 数据挖掘是一种从数据收集、预处理和建模到过程评估 与实施的数据分析的过程,为生物医学、工程学、经济学等 多样化领域中的问题提供分析解决方案。教育数据挖掘可以 通过分析用户生成的数据形式的可用信息,从数字学习系统 中提取有用的知识。数据聚类分析是研究数字学习中最常使 用的分析方法,以最简单的方式说,数据聚类是将N个数据 项中的每一个数据分配给K个可能的集群中的一个。接下来, 笔者将进一步详细地描述一些常用的聚类技术。 1.k-均值聚类算法 k-均值算法是最著名的并且使用最广泛的聚类算法之一, 其主要特征是易于实施、简洁、高效。k-均值算法旨在将一 个数据集D={x1,…,xn}分为k个不相交的群集,C={C1,…, CK},其中每个数据xi都被分配给一个唯一的集群Ck。该算 法尝试找到用户指定数量的k个聚类。k-均值算法迭代地移 动每一个集群的聚类中心,直到实现中心位置的收敛。 k-均值算法可以总结如下: ①随机选出k个元素作为聚类中心; ②根据相似性进行度量,将所有观察的样本分配给它们 最接近的聚类中心; ③重新计算新的聚类中心; ④重复②③步骤,直到群组成员变得稳定。 k-均值算法的缺点是k值的不确定性,初始参数的聚类 的数量k值的选取非常关键,不同的初始化会导致不同的聚 类解决方案。为了改进k-均值算法初始值的缺点,研究者已 经开发出了许多变体和扩展,其中两个著名的变体是 ISODATA和FORGY。 2.模糊c-均值聚类(FCM) 传统的分层聚类的方法会生成分区,在分区内,每个数 据样本都属于且仅属于一个集群,因此,在硬聚类方法中的 集群是不相交的。模糊聚类算法扩展了这一概念,利用隶属 函数将每个模式与每个聚类相关联。FCM就是一种模糊聚类 方法,它允许一个数据样本属于具有隶属条件的两个或多个 群集,是k-均值算法的一个模糊化版本。 在模糊聚类中,每一个群集都对应整个数据样本中的一 个模糊集合。上页图1就解释了这一观点,它包含了数据集 合的两个硬性分配群集的矩形:H1={1,2,3,4,5} 和H2={6,7,8,9},FCM可以产生两个模糊群集,即 F1和F2,由椭圆表示。每一个数据样本都会有每个模糊群集 的0到1之间的隶属值,较大的隶属值表示在群集的观察分 配中具有较高信度。 模糊c-均值算法可以总结为以下几个步骤: ①通过选择N×K个隶属矩阵U,选择N个对象的初始 模糊分区成为K个群集,该矩阵的元素uij代表了群集Cj中 对象xi的隶属度,其中uij的值介于0到1之间。 ②将数据样本重新分配到群集以减少标准函数值,并且 重新计算U值,在执行过程中,使用U值找出与相关分区相 关联的模糊标准函数的值,如加权平方误差准则函数。 ③重复步骤②,直到U中的元素具有稳定值。 3.自组织映射(SOM) SOM是一种无监督学习模型,其以拓扑有序的方式将p 维的输入数据点投影到q维离散图中。每一个格子单元都由 具有相关联的p维权重向量的神经元代表,每个输入模式与 每个神经元的权重向量进行比较,并且最接近的神经元获得 激活。一个神经元被激活后,近邻区神经元也逐渐被激活, 并且它们的权重向量被调整的更加类似于输入模式。最初, 邻域的大小很大,但是在迭代期间,邻域大小逐渐减小。图 2为基本SOM模型的架构。 SOM算法集中于保留数据中的邻域关系,而不是试图保 留数据项之间的距离。SOM算法有两个基本版本,即序列处 理和批量处理。 4.生成式拓扑映射(GTM) GTM最初是作为一个替代SOM的概率聚类模型,并被 作为一个高斯分布的约束混合而被创制出来的。正是这些约 束创建了用于集群可视化的投影集合,克服了通用有限混合 模型的限制。模型解释通常需要大大降低数据的维度,潜在 变量模型可以通过可视化提供这样的解释,因为它们描述了 本征的低维潜在空间中的数据。在潜在可视化空间中的每个 潜在点uk都会被映射,yk点通常称为参考矢量或原型。每 个参考向量元素对应输入到变量中相应的一个,并且它在潜 在可视化空间上的值可以颜色编码,进而产生参考图,并提 供