|
个人信息Personal Information
教授 博士生导师
招生学科专业：
控制科学与工程 -- 【招收博士、硕士研究生】 -- 经济与管理学院
能源动力 -- 【招收博士、硕士研究生】 -- 经济与管理学院
交通运输 -- 【招收博士、硕士研究生】 -- 经济与管理学院
管理科学与工程 -- 【招收博士、硕士研究生】 -- 经济与管理学院
工商管理 -- 【招收非全日制硕士研究生】 -- MBA中心
工程管理 -- 【招收非全日制硕士研究生】 -- MBA中心
主要任职：教育部高等学校工业工程类专业教指委副主任委员
其他任职：国家社会科学学科规划评议组成员
性别：男
毕业院校：中国矿业大学
学历：研究生(博士)毕业
学位：工学博士学位
所在单位：经济与管理学院
办公地点：将军路校区经管大楼
联系方式：025-84896261
电子邮箱：
A multi-feature weighting based K-means algorithm for MOOC learner classification
点击次数：
所属单位：经济与管理学院
发表刊物：Comput. Mater. Continua
摘要：Massive open online courses (MOOC) have recently gained worldwide attention in the field of education. The manner of MOOC provides a new option for learning various kinds of knowledge. A mass of data miming algorithms have been proposed to analyze the learner’s characteristics and classify the learners into different groups. However, most current algorithms mainly focus on the final grade of the learners, which may result in an improper classification. To overcome the shortages of the existing algorithms, a novel multi-feature weighting based K-means (MFWK-means) algorithm is proposed in this paper. Correlations between the widely used feature grade and other features are first investigated, and then the learners are classified based on their grades and weighted features with the proposed MFWK-means algorithm. Experimental results with the Canvas Network Person-Course (CNPC) dataset demonstrate the effectiveness of our method. Moreover, a comparison between the new MFWK-means and the traditional K-means clustering algorithm is implemented to show the superiority of the proposed method. Copyright © 2019 Tech Science Press
ISSN号：1546-2218
是否译文：否
发表时间：2019-01-01
合写作者：Yang, Yuqing,Yang, Xiaojiang
通讯作者：周德群