基于模糊聚类和支持向量回归的成绩预测

摘要：

现有的成绩预测模型往往过度使用不同类型的属性,导致过于复杂的分数预测方法,或是需要人工参与.为提高学生成绩预测的准确率和可解释性,提出了一种融合模糊聚类和支持向量回归的成绩预测方法.首先引入模糊逻辑来计算隶属度矩阵,根据学生的历史成绩进行聚类,随后对每个聚类簇利用支持向量回归理论对成绩轨迹进行拟合建模.此外,结合学生学习行为等相关属性,对最终的预测结果做调整.在多个基准数据集上进行了实验测试,验证了该方法的有效性.

关键词：模糊聚类、支持向量回归、预测、教育数据挖掘

分类号：TP311(计算技术、计算机技术)

资助基金：四川省科技厅重点研发项目2018GZ0182;四川大学未来教育研究专项SCUFEB2019004

在线出版日期：2019-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：66-73,84