基于高校学生行为数据的成绩预警聚类分析

随着校园信息化建设的不断深入,校园内各应用系统逐渐增多,运用数据挖掘技术可以从海量的数据中提取潜在有用的信息用于分析高校学生的日常行为与成绩方面的相关性。对一卡通系统、图书馆管理系统、教务系统等多维数据进行采集,基于密度聚类算法,在初始聚类中心选择的基础上结合了距离的度量,重新定义核心点、孤立点、边界点等概念,构建一个改进的密度聚类算法进行数据挖掘分析,达到对学生学习成绩的预警,避免出现挂科、留级等严重的学业问题。

基于数据挖掘技术的高校图书馆学生借阅行为研究

目前,随着高校信息技术的发展,学校记录了大量的学生日常行为数据,特别是图书馆系统中累积了许多图书流通数据。由于传统的统计分析方法对高校图书借阅行为分析精确度较低,导致高校图书馆资源利用率较低,且无法找出背后深层次的原因。为了提高高校图书馆资源利用率和服务价值,通过数据挖掘技术对图书馆系统数据进行聚类分析,为智慧图书馆建设提供客观的决策依据。