مدل خوشه بندی دانشجویان کارشناسی ارشد با رویکرد داده کاوی

داده کاوی کاربردهای متفاوتی در روابط عمومی و ارتباط با مشتری دارد. از داده کاوی می توان در بخش های مختلف مدیریتداده ها بهره برد که خوشه بندی در داده کاوی یکی از کاربردهای مهم این علم است. در داده کاوی هدف پیدا کردن یک الگوی کلی و قابل استفاده از بین جمع زیادی از داده ها است. خوشه بندی در داده کاوی از بین داده ها، آن هایی که با هم شباهت بیشتری دارند را جدا کرده، از جنبه های مختلف بررسی می کند و در دسته های متفاوت قرار می دهد. به طوری که داده های هر خوشه با هم خوشه ای های خود بیشترین شباهت و با خوشه های دیگر تفاوت داشته باشند. موضوع مهم و نقطه تفاوت در خوشه بندی با سایر روش های داده کاوی در این است که برچسب اولیه ای تعیین نمی شود. در واقع در سایر روش ها بر اساس ویژگی های اولیه ای که تعیین می شود، دسته بندی و طبقه بندی صورت می گیرد. در صورتیکه در خوشه بندی، بدون تعیین فاکتورهای اولیه و بر اساس ویژگی های داده ها طبقه بندی صورت می گیرد.در این تحقیق، روش پیشنهادی برمبنای ترکیب دو الگوریتم K-means و SFLA در راستای افزایش دقت خوشه بندی دانشجویان کارشناسی ارشد ارائه می شود. در واقع از از ترکیب این دو الگوریتم، جهت خوشه بندی جامعه آماری استفاده می شود که مهمترین قسمت از خوشه بندی به حساب می آید. الگوریتم SFLA ترکیب روش قطعی و روش تصادفی است.روش قطعی به الگوریتم امکان می دهد تا پیام ها را به صورت کارایی مبادله کند. روش تصادفی انعطاف پذیری و مقاومت الگوریتم را تضمین می کند. این تحقیق برمبنای هدف، کاربردی و برمبنای روش تحلیل و بر اساس نوع داده، کمی است. در این تحقیق، جامعه آماری شامل تمامی دانشجویان کارشناسی ارشد رشته مدیریت فناوری اطلاعات در دانشگاه آزاد اسلامی واحد علوم و تحقیقات است که این رشته را ارائه می دهند. به دلیل محدودیت های زمانی و مالی، نمونه گیری از جامعه آماری بصورت تصادفی ساده صورت خواهد گرفت. نتایج حاصل از پیاده سازی روش پیشنهادی نشان می دهد که معیار دقت برای روش پیشنهادی به مراتب بهتر از سایر روش های اشاره شده در بالا می باشد و علت آن ترکیب شدن دو الگوریتم K-Means و الگوریتم تکاملی قورباغه بوده است که باعث شده است رکوردها که همان دانشجویان کارشناسی ارشد هستند در جاهای مناسب قرار گرفته و میزان دقت نسبت به مقدار واقعی شماره خوشه، بالاتر رود.۱

Keywords:

خوشه بندی , داده کاوی , الگوریتم قورباغه , معیار دقت.