随机游走与BIRCH融合的聚类统计方法

摘要：

聚类统计分析在大数据理论研究和实践应用方面具有重要地位,是学习分析技术的重要组成部分.文章首先在数据初始化和规范化的基础上定位分类条件,实现学习行为的分化和集成,形成多个待聚类的数据子集;然后,根据学习交互活动之间的拓扑关联性和依赖性,设计随机游走模型与BIRCH算法融合的聚类统计方法,实现关键学习交互活动的检索评估和数据聚类;最后,对算法执行的多个性能指标进行计算和对比.实验结果表明,改进后的算法在学习交互活动聚类方面具有明显优势,聚类统计过程和分析结果具有可行性和可靠性.

关键词：随机游走;改进的BIRCH聚类算法;大数据;数据统计;学习行为

所属期刊栏目：37

分类号：C811;G434(统计方法)

资助基金：山东省教育科学重点课题2020ZD030

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：5-9