[发明专利]一种基于K-聚类算法的学科选择推荐方法

说明书

本发明涉及信息技术的领域，提供一种基于K‑聚类算法的学科选择推荐方法；本发明获取调查对象的个人信息作为样本数据，然后对样本数据与处理后，方便分析与计算，保证了后续学科推荐的可靠合理性，利用K‑means++算法对预处理样本数据进行特征分析，获得最终聚类中心和最终聚类中心所处的簇，而簇根据学科设置；计算样本数据与每个最终聚类中心的欧氏距离，将样本数据分配到欧氏距离最近的最终聚类中心，即可获得最终聚类中心所处的簇对应的推荐学科。本发明以调查对象的个人信息作为最直接的样本数据，匹配学生的真实情况，具有针对性和目的性，推荐的学科更合理，帮助学校及学生避免面临学科选择时的盲目无助性。

技术领域

本发明涉及信息技术的领域，更具体地，涉及一种基于K-聚类算法的学科选择推荐方法。

背景技术

在网络技术不断更新、大数据覆盖的时代大背景下，大学生面对的是多元化的学习方向。在各种眼花缭乱的选择面前，学生普遍对自己的学习方向感到十分迷惘。建于专业选择，发展前景，就业情况等因素，很多人不知道该如何去选择适合的专业，不清楚可以向什么方向发展。一旦选择错误，可能对自己的专业不满意，甚至产生厌学、弃学等问题。大数据分析对于大学生学习行为的分析与研究有着积极的辅助性及推动性作用，并且大数据分析结论可为教学管理部门如何高大学生的学习目的和学术方向出谋划策。

2019年11月5日公开的中国专利CN110414769A提供了一种学生生涯测评系统，涉及教育职业分析技术领域；包括后台服务器，所述后台服务器用于获取学生的指定行业、指定学科和指定学科对应的学习情况，并根据指定学科生成兴趣行业，并根据学习情况生成能力分析表，并根据指定行业、兴趣行业和能力分析表生成推荐职业列表，并根据推荐职业列表筛选推荐学科生成推荐学科列表，并根据能力分析表、推荐职业列表和推荐学科列表生成该学生的生涯测评报告。该方案依据指定行业、指定学科和指定学科的学习情况生成推荐学科列表，考虑的因素均是客观因素，考虑因素单一，无法匹配学生的真实情况，针对性和目的性差，最终导致推荐的学科不合理

发明内容

本发明为克服上述现有技术无法具有针对性和目的性的合理推荐学科的缺陷，提供一种基于K-聚类算法的学科选择推荐方法，能构根据调查对象的个人信息，更具针对性和目的性的推荐合理的学科。

本发明的技术方案如下：

本发明提供一种基于K-聚类算法的学科选择推荐方法，所述方法包括以下步骤：

获取调查对象的个人信息；

S2：将所述个人信息转化为样本数据y_i，组成样本数据集Y；

S3：对样本数据y_i进行预处理，获得预处理样本数据x_i；

S4：利用K-means++算法对预处理样本数据进行分析，选取出k个初始聚类中心；

S5：计算每个预处理样本数据到每个初始聚类中心的欧式距离，将每个预处理样本数据按照最小距离原则分配到距离最近的初始聚类中心；

S6：分配完成后，计算每个初始聚类中心内分配的预处理样本数据到该初始聚类中心的欧氏距离的均值点，将均值点作为新聚类中心；

S7：确认每个新聚类中心与初始聚类中心的位置是否相同；若位置相同，执行S8；若位置不相同，将新聚类中心更新为初始聚类中心，重复步骤S5-S6，直到位置不再变化；

S8：将位置不再变化的新聚类中心作为最终聚类中心，获得最终聚类中心所处的簇；所述簇根据学科设置；

S9：计算样本数据与每个最终聚类中心的欧氏距离，将样本数据分配到欧氏距离最近的最终聚类中心，输出该最终聚类中心所处的簇对应的推荐学科。