论文研究-基于频繁模式谱聚类的课程关联分类模型和学生成绩预测算法研究.pdf

针对大众化教育中存在的学生质量参差不齐、教学管理难度加大等问题，提出一种基于频繁模式谱聚类的课程关联分类模型和学生成绩预测算法研究。以通信工程专业学生的课程成绩为样本，利用Apriori和FP-growth算法对不同学期的课程进行关联分析和效果比较，对学生的未来成绩进行不及格预警，并通过谱聚类算法进行课程分类。实验结果显示，FP-growth在虚警率和漏检率方面明显优于Apriori算法，能为学生提供有针对性且较准确的学业指导；构建的课程关联分类模型能够为高校教学改革和管理决策提供科学依据。