计算机工程与科学

作者：王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳

单位：（1.北方工业大学信息学院，北京 100144；2.南澳大学STEM学院，澳大利亚 阿德莱德 5095）

关键词：密度聚类,自适应,k-dist图,混合式MOOC,视频观看模式 ,,

基金：国家自然科学基金（61977001）；北京市高等教育学会重点课题（ZD202127）；全国高等院校计算机基础教育研究会项目（2023-AFCEC-134）;教育部高等学校大学计算机课程教学指导委员会联合高等教育出版社项目（2022）

基于密度聚类的DBSCAN算法能够依据数据特征自动执行分类任务，多应用于含噪声的复杂数据集的聚类分析，但也存在难以确定参数以及人工参与度高的缺陷，限制了自动高准确率挖掘的应用。基于此，提出了一种基于k-dist图斜率的自适应DBSCAN算法KSSA-DBSCAN，可以依据k-dist图斜率自动选择合适的k-dist图拐点作为最佳邻域，并在聚类迭代过程中依据聚类数目的变化自动确定最佳密度阈值，克服了难以确定参数和人工参与度过高的缺陷。基于6个数据集将KSSA-DBSCAN和DBSCAN、KANN-DBSCAN进行了对比，实验结果显示，该算法的准确率在4个数据集上均优于其它算法，并且与DBSCAN相比准确率最大提高了25%。将其应用于某混合式MOOC视频观看行为数据的模式挖掘，结果显示该算法能够对视频观看模式进行有效的自动挖掘，进一步验证了该算法的有效性。

来源：2023年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第9期