一种新的动态聚类算法在高职就业分析中的应用研究

摘要：

为解决常用于就业数据信息分析的K-means算法中初始化聚类中心敏感和容易陷入局部最优值问题,提出了一种新的动态聚类算法.该算法首先利用最近邻聚类法获得初始聚类中心,然后利用小类对合并条件进行聚类合并,从而获得更优的聚类结果.以多个高职院校近几年的就业数据为样本信息,在数据预处理的基础上,运用提出的聚类方法进行了聚类实验分析,并挖掘出与就业质量相关的因素.最后的实验结果表明,文中提出的聚类方法聚类划分效果更优.

关键词：数据挖掘、聚类、就业数据分析

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：安徽高校省级自然科学研究项目kj2013z090

在线出版日期：2015-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：47-50