ГІБРИДНИЙ АЛГОРИТМ КЛАСТЕР-АНАЛІЗУ ДЛЯ ФОРМУВАННЯ АПРІОРНОГО РОЗБИТТЯ ПРОСТОРУ ОЗНАК НА КЛАСИ ЗНАНЬ В СИСТЕМАХ ДИСТАНЦІЙНОГО НАВЧАННЯ
Ключові слова:
кластеризація, k-means, критерій функціональної ефективності, критерій оцінки по- милки кластеризації, системи дистанційного навчанняАнотація
Запропоновано модифікацію алгоритму k-means, ідея вдосконалення якого полягає у комбінованому використанні критерію оцінки помилки кластеризації та інформаційного критерію функціональної ефективності, що визначає рівень достовірності побудованих вирішальних правил визначення належності реалізацій до певного класу знань. При цьому використання комбінованого статистичного та інформаційного підходів дозволило включити такий параметр кластеризації як кількість кластерів в інтеграційну оптимізаційну процедуру та, базуючись на природній структурі розподілення векторів реалізацій результатів тестування слухачів в N-вимірному просторі ознак, розпізнавання дозволило знайти оптимальні геометричні параметри контейнерів класів, які характеризують рівні знань студенів в системах дистанційного навчання.
Посилання
2. Довбиш А. С. Машинна оцінка знань студентів у системах керування дистанційним навчанням / А. С. Довбиш,
В. О. Любчак, С. О. Петров // Вісник Сумського державного університету. Серія «Технічні науки». — 2007. — № 1. — С. 167—178.
3. Факторный, дискриминантный и кластерный анализ / [Дж.-О. Ким, Ч. У. Миллер, У. Р. Клекк и др.] — М. : Финансы и статистика, 1989. — 215 с.
4. Jain A. K. Dataclustering : a review / A. K.Jain, M. N. Murty, P. J. Flynn // ACM Computeing Surveys(CSUR). — 1999. — Vol. 31. Issue 3—69 p.
5. Айвазян С. А. Прикладная статистика. Классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер. — М. : Финансы и статистика. — 1989. 300—310 с.
6. Браверман Э. М. Структурные методы обработки эмпирических данных / Э. М. Браверман, И. Б. Мучник. — М. : Наука. Физматлит. — 464 с.
7. Алехин Е. И. Многомерные статистические методы / Е. И. Алехин. — Орел : Изд. центр ГОУ ВПО ОГУ, 2007 — 37 с.
8. Бабак О. В. Алгоритм решения некоторых задач кластерного анализа / О. В. Бабак, А. С. Касанов // Управляющие системы и машины. — 2001. — № 6. — 25—30 с.
9. Петров С. О. Вплив структури простору ознак розпізнавання в системах підтримки прийняття рішень / С. О. Петров // Інтернет-Освіта-Наука –2010 : Сьома міжнар. конф. ІОН-2010: 28 вер.—3 жов. 2010 р. : тези доп. — Вінниця : Вінницький національний технічний університет, 2010. — С. 71—72.
10. Коваль П. Н. Использование кластеризации при анализе данных / П. Н. Коваль // Управляющие системы и машины. — 2010. — № 6. — С. 32—34.
11. Куренков Н. И. Энтропийный подход к решению задач классификации многомерных данных / Куренков Н. И. Ананьев С. Н. // Информационные технологии. — 2006. — № 8. — С. 50—55.
12. Petrov S. Mathematical model of distance learning control system in framework of IEIT / Sergey Petrov // Internet Edu-cation Science: Proceedings of the Sixth International Conference, 7—11 October 2008. — Vinnytsia, Ukraine. — 2008. —
Vоl. 1. — P. 167—169.
##submission.downloads##
-
PDF
Завантажень: 213
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).