优化初始聚类中心的K-means聚类算法

针对传统K-means算法对初始中心十分敏感,聚类结果不稳定问题,提出了一种改进K-means聚类算法。该算法首先计算样本间的距离,根据样本距离找出距离最近的两点形成集合,根据点与集合的计算公式找出其他所有离集合最近的点,直到集合内数据数目大于或等于[α]（[α]为样本集数据点数目与聚类的簇类数目的比值）,再把该集合从样本集中删除,重复以上步骤得到K（K为簇类数目）个集合,计算每个集合的均值作为初始中心,并根据K-means算法得到最终的聚类结果。在Wine、Hayes-Roth、Iris、Tae、Heart-stalog、Ionosphere、Haberman数据集中,改进算法比传统K-means、K-means++算法的聚类结果更稳定;在Wine、Iris、Tae数据集中,比最小方差优化初始聚类中心的K-means算法聚类准确率更高,且在7组数据集中改进算法得到的轮廓系数和F1值最大。对于密度差异较大数据集,聚类结果比传统K-means、K-means++算法更稳定,更准确,且比最小方差优化初始聚类中心的K-means算法更高效。     

以人为本,加强高校少数民族学生教育管理的几点思考

本文通过对少数民族学生思想、求学、生活、第二课堂等方面的调查,分析当前教育管理工作的现状,提出了内地高校少数民族学生思想政治教育与管理工作的新思路。     

宁可用“坏”不可放坏

高校实验设备,是完成教学、科研任务的必要条件。充分发挥设备效益,是当前高校实验设备管理中需要解决的一个突出问题。 仪器设备的效益应包括社会效益和经济效益。社会效益就是为国家培养人才服务,这里所指的人才不仅仅是在校学生,还包括社会青年和其他科技人才;经济效益就是为科学研究服务,同样也不应局限于本校所承担的科研项目,还应向社会开放。要提高仪器设备的效益,就必须在校内、外开展广泛的横向联系,普及和推广现代研究技术。 我们有不少从事科研工作的同志,由于不知道本校新购置的某些先进仪器设备的功能,这不仅导致仪器设备使用率不高,而且也是造成许多科研课题所采用的技术手段较陈旧的原因之一。在物资清查工作中,我们发现有的单位的仪器设备并不是用坏的,而是放置多年未用损坏的,甚至有的购进多年还没有开箱使用。平时大家只注重爱护公物,却忽视了用好公物,我     

基于Spark的并行关联规则挖掘算法研究综述

关联规则挖掘是数据挖掘的一个重要分支，但随着数据的快速增长，传统关联规则挖掘算法不能很好地适应大数据的要求，需要在分布式、并行计算的平台上寻找突破。Spark是专门为大数据处理而设计的一个适合迭代运算的并行计算模型，相比MapReduce具有更高效、充分利用内存、更适合迭代计算和交互式处理的优点。对已有的基于Spark的并行关联规则挖掘算法进行了分类和综述，并总结了各自的优缺点和适用范围，为下一步的研究提供参考。