典型文献
基于近邻传播聚类的职业能力评价模型
文献摘要：
针对聚类算法在教育大数据应用中存在的聚类数目依赖人工经验等问题,提出一种新的聚类有效性指标,用簇内全部样本与簇中心的距离之和表示簇内紧密度,用任意两簇间样本距离和的最小值表示簇间分离度,通过平衡簇内紧密度和簇间分离度之间的关系,实现最优聚类的划分.在UCI和KDD CUP99数据集上的测试结果表明,新指标的聚类质量评价结果有效、可靠.在此基础上,结合近邻传播算法设计新的聚类分析模型,使用该模型对某高校学生的职业能力进行聚类分析,结果表明:新模型能够准确地给出聚类数目k,有效地挖掘出学生的职业倾向,可以为大学生职业潜能分析、企业的人才选择提供依据与决策.
文献关键词：
近邻传播算法;聚类有效性指标;数据挖掘;职业能力;职业倾向
中图分类号：
作者姓名：
段桂芹;邹臣嵩
作者机构：
广东松山职业技术学院计算机与信息工程学院,广东 韶关 512126;广东松山职业技术学院电气工程学院,广东 韶关 512126
文献出处：
引用格式：
[1]段桂芹;邹臣嵩-.基于近邻传播聚类的职业能力评价模型)[J].计算机与现代化,2022(05):21-27
A类：
B类：
近邻传播聚类,职业能力评价,聚类算法,教育大数据,大数据应用,聚类数,聚类有效性指标,簇中心,紧密度,最小值,分离度,UCI,KDD,CUP99,新指标,近邻传播算法,算法设计,高校学生,挖掘出,职业倾向,学生职业,潜能分析
AB值：
0.409857
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
