谱聚类算法在不同属性层级结构诊断评估中的应用

摘要：

聚类分析已被用于认知诊断评估(CDA)中,使用较广泛的方法为K-means算法,有研究证明K-means在CDA中具有较好的聚类效果.谱聚类算法通常比K-means分类效果更佳,需将谱聚类算法引进CDA,探讨属性层级结构、属性个数、样本量和失误率对该方法的影响.研究发现:(1)谱聚类算法要比K-means提供更好的聚类结果,且更加稳健;(2)线型结构聚类效果最好,收敛型和发散型相近,独立型结构表现较差;(3)属性个数和失误率增加后,聚类效果会下降;(4)样本量增加后,聚类效果有所提升,但K-means方法有时会有反向结果出现.

关键词：非参数认知诊断、谱聚类、K-means、属性层级结构

所属期刊栏目：41

分类号：TP391;TP181;B841

资助基金：教育部人文社会科学研究项目;重庆市社会科学规划项目;中国博士后科学基金;重庆市博士后科研特别资助项目;中央高校基本科研业务费专项

在线出版日期：2018-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：735-742