公开(公告)号：CN111625576B

公开(公告)日：2023-03-24

申请号：CN202010410844.9

申请日：2020-05-15

Applicant: 西北工业大学

Inventor： 李波 ,  白双霞 ,  翟玉媛 ,  何瑞寅

IPC: G06F18/23213 ,  G06F18/2135 ,  G06N7/01 ,  G06Q50/20

Abstract: 本发明提供了一种基于t‑SNE的成绩聚类分析方法，导入原始数据，对高维成绩数据进行t‑SNE降维，对t‑SNE降维后的成绩数据进行K‑Means聚类处理，得到聚类结果。本发明对原始数据进行预处理之后，利用t‑SNE算法将高维空间上的数据降维后，再用K‑Means算法对原始数据进行聚类，有效的解决了数据维度过高带来的聚类效果不理想的问题。由于t‑sne降维法较完整的保留了高维数据的分布特征，用降维后数据的聚类结果还原得到高维数据的聚类结果。通过比较先降维后聚类和直接对高维数据的聚类的结果，可以看出降维算法在学生成绩分析算法上的优越性。

公开(公告)号：CN111625576A

公开(公告)日：2020-09-04

申请号：CN202010410844.9

申请日：2020-05-15

Applicant: 西北工业大学

Inventor： 李波 ,  白双霞 ,  翟玉媛 ,  何瑞寅

IPC: G06F16/2458 ,  G06K9/62 ,  G06Q10/06 ,  G06Q50/20

Abstract: 本发明提供了一种基于t-SNE的成绩聚类分析方法，导入原始数据，对高维成绩数据进行t-SNE降维，对t-SNE降维后的成绩数据进行K-Means聚类处理，得到聚类结果。本发明对原始数据进行预处理之后，利用t-SNE算法将高维空间上的数据降维后，再用K-Means算法对原始数据进行聚类，有效的解决了数据维度过高带来的聚类效果不理想的问题。由于t-sne降维法较完整的保留了高维数据的分布特征，用降维后数据的聚类结果还原得到高维数据的聚类结果。通过比较先降维后聚类和直接对高维数据的聚类的结果，可以看出降维算法在学生成绩分析算法上的优越性。