Гібридний алгоритм кластер-аналізу для формування апріорного розбиття простору ознак на класи знань в системах дистанційного навчання

Abstract

В роботі запропоновано модифікація алгоритму k-means ідея вдосконалення якого полягає у комбінованому використанні критерію оцінки помилки кластеризації та інформаційного критерію функціональної ефективності, що визначає рівень достовірності побудованих вирішальних правил визначення належності реалізацій до певного класу знань. При цьому використання комбінованого статистичного та інформаційного підходів дозволило включити такий параметр кластеризації як кількість кластерів в інтеграційну оптимізаційну процедуру та базуючись на природній структурі розподілення векторів реалізацій результатів тестування слухачів в N-вимірному просторі ознак розпізнавання дозволило знайти оптимальні геометричні параметрі контейнерів класів що характеризують рівні знань студенів в системах дистанційного навчання.

In the work we introduce a modification of the k-means algorithm, the idea of improvement consider in combined use of evaluation clustering errors criteria and test the functional efficiency, which determines the construction of decision rules accuracy for determining appurtenance to some implementations of the class of knowledge.