基于改进KNN-DPC算法的科技创新人才分类研究
张文宇1
刘嘉2
杨媛2
朱钰婷2
于瑞2
1.西安邮电大学经济与管理学院 西安 710061;中国航天系统科学与工程研究院 北京 1000812.西安邮电大学经济与管理学院 西安 710061
摘要：为了提高科技创新人才培养过程中人才层次分类的效果,提出了一种结合主成分的改进K近邻优化的密度峰值聚类算法(IKDPC).首先,论文将主成分分析思想及流程融入到K近邻优化的密度峰值聚类算法(KNN-DPC)中来提高对高维数据的处理能力;进而,为了克服复杂数据集和噪声点对KNN-DPC算法的影响,对局部密度度量方法进行了改进,并设计了全新的两种样本数据点的分配策略,从而有效提高了聚类效率和聚类质量;最后,将IKDPC算法针对科技创新人才样本指标数据进行实例研究,实证结果表明该算法能有效地对科技创新人才进行分类,并为科学合理地探究科技创新人才培养过程中的分类问题提供科学量化参考.
关键词：科技创新人才人才分类密度峰值聚类主成分分析K近邻
分类号：C931.3(管理技术与方法)
资助基金：国家自然科学基金(U1501253)陕西省自然基金重点项目(2019JZ-47)创新基金(CXJJ2017083)
论文发表日期：2021-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1731-1736,1817 )
英文信息