幻方架构下基于模糊聚类的学生评价研究

[摘要]以创业型大学的综合学生评价方法为研究对象，分别在三级指标和二级指标中采用模糊聚类和幻方平衡性原理两种数据融合方法，以调查问卷数据和学业成绩为初始成绩的情况下，可解决学生综合评价成绩的权值系数难以确定的问题。

[关键词]模糊聚类； 权值系数；幻方均衡性；学生评价方法；

以义乌工商职业技术学院的创业学生的综合评价为研究对象，在三级评价指标和二级评价指标中分别运用模糊聚类算法和幻方均衡性原理，似可提出一种解决学生综合评价中创业评价和学业评价如何融合的问题。

一、 模糊聚类算法

数据挖掘中常用的聚类算法有：层次聚类法、划分聚类法、基于密度聚类法、基于网络聚类法等。层次聚类分为分裂的层次聚类和凝聚的层次聚类，其中凝聚的层次聚类采用自下而上的方法，一开始把每一个对象都看成一个单独的类，然后再迭代过程中进行类的合并，直到最终所有对象都被合并到一个簇或者达到一个终止条件为止。

模糊聚类算法中，设论域U={x1，x2，…xn}为被分类的对象，每个对象有m个性能指标，即xi={xi1，xi2，…xin}（i=1，2，…，n），则有原始数据矩阵X=（xij）n×m。为了使具有不同量纲的实际问题中的不同数据可以进行比较，通常需要做数据标准化变化，从而将数据压缩转换到一个固定区间之间。一般有平移-标准差变化和平移-极差变换，平移-标准差变化的处理过程如下：