摘要 为提高成绩评估结果的准确率，针对成绩数据具有的多元化、容量大、分布式的特点，引入分布式数据流聚类算法，优化数据聚类精度和时效性，实现成绩层次化评价.首先，通过聚类特征指数直方图建立分布式数据流挖掘矩阵，提高成绩数据的聚类性能.将一阶线性微分方程结合分数阶累加，构建全局聚簇模型，保证聚类性能稳定.然后，采用层次分析法处理成绩数据，将成绩按照基础课程、专业课程及实训课程分类，确保层次化评估的精确率，再结合权重法得到成绩评估结果.实验结果表明，该方法有效实现对成绩数据的层次化评估，精确率、召回率、AUC值分别可以达到98.75%、86.67%、0.987，评估时长仅为488.4 ms，且该方法的收敛效果较优，数据流能耗较低.

基金 湖北省高等教育学会教育科研课题立项“数字化转型背景下高职教师信息化教学能力提升路径研究”（2023XD120）

语种 中文

DOI 10.13747/j.cnki.bdxyxb.2024.04.017

中图分类号 TP311.13

提交日期 2024-07-26