引言

高校實(shí)驗(yàn)室管理水平是指在高校建設(shè)不斷深入，實(shí)驗(yàn)室建設(shè)的硬件條件逐漸改善，以及軟件條件不斷改進(jìn)的情況下，衡量、評價(jià)實(shí)驗(yàn)室硬件和軟件的相關(guān)管理程度。

數(shù)據(jù)挖掘是指利用算法將隱藏在大量、真實(shí)數(shù)據(jù)中的信息提取出來的過程，其屬于一種深層次的數(shù)據(jù)分析方法，表現(xiàn)形式多種多樣。例如，統(tǒng)計(jì)類數(shù)據(jù)挖掘包括回歸分析、多變量分析等；知識發(fā)現(xiàn)類的數(shù)據(jù)挖掘包括支持向量機(jī)、規(guī)則發(fā)現(xiàn)、決策樹等。

當(dāng)下高校實(shí)驗(yàn)室管理水平的衡量和評估存在很多客觀因素，因此實(shí)驗(yàn)室的管理水平評價(jià)模型有很多，例如：文獻(xiàn)構(gòu)建的基于缺陷塔模型與WNB的高校實(shí)驗(yàn)室安全評價(jià)分類模型，該模型的建立是以缺陷塔模型作為依據(jù)，并與權(quán)重樸素貝葉斯結(jié)合完成評價(jià)；文獻(xiàn)構(gòu)建的基于TOPSIS和DEA的評價(jià)模型，采用基于信息熵的理想解排序法和數(shù)據(jù)包絡(luò)分析的綜合評價(jià)模型實(shí)現(xiàn)評價(jià)。但是上述方法僅能夠?qū)崿F(xiàn)實(shí)驗(yàn)室在安全方面和效率方面的評估，對于實(shí)驗(yàn)室的體制管理、儀器設(shè)備管理以及規(guī)章制度管理等方面的評價(jià)無法實(shí)現(xiàn)。因此，為了更好地完成對這些相關(guān)管理水平的評價(jià)，本文構(gòu)建數(shù)據(jù)挖掘的高效實(shí)驗(yàn)室管理水平評價(jià)模型，從而更全面、更有效地完成對實(shí)驗(yàn)室的管理水平評價(jià)。

1 數(shù)據(jù)挖掘的高校實(shí)驗(yàn)室管理水平評價(jià)模型

1.1 密度峰值發(fā)現(xiàn)聚類算法

選用密度峰值發(fā)現(xiàn)聚類算法完成實(shí)驗(yàn)室管理數(shù)據(jù)聚類。該算法對樣本數(shù)據(jù)局部密度采用K近鄰信息完成數(shù)據(jù)更新，使發(fā)現(xiàn)數(shù)據(jù)集的密度峰值、確定類簇中心點(diǎn)及類簇個(gè)數(shù)的準(zhǔn)確性大幅度提高。為了完成聚類中心建模，該算法選擇兩個(gè)變量，分別為局部密度ρ和相對最小距離δ，用其描述樣本數(shù)據(jù)，點(diǎn)與點(diǎn)的距離都與兩個(gè)變量存在關(guān)聯(lián)性，則樣本數(shù)據(jù)i的局部密度ρi的表示公式為：

 
式中：dij為樣本數(shù)據(jù)i與樣本數(shù)據(jù)j之間的距離；dc為截?cái)嗑嚯x；IS表示樣本數(shù)據(jù)集。

樣本數(shù)據(jù)i與局部密度高于i的樣本數(shù)據(jù)之間的最小距離被稱之為相對最小距離，用δi表示，其表達(dá)式為：

 
式中，假如樣本數(shù)據(jù)i擁有最大局部密度值，則IiS≠?，此時(shí)δi表示樣本數(shù)據(jù)i與其他樣本數(shù)據(jù)之間的最大距離，確保樣本數(shù)據(jù)的最大局部密度值和相對最小距離值均維持最大。

通過計(jì)算數(shù)據(jù)集中每個(gè)樣本數(shù)據(jù)，獲取兩個(gè)變量值后，采用下述步驟完成數(shù)據(jù)聚類：

1）類簇中心的確定需要找到密度高峰值點(diǎn)。

2）將剩余樣本數(shù)據(jù)劃分到類簇中，其為比剩余樣本局部密度大且距離最小的樣本數(shù)據(jù)所屬的類簇。

3）針對使用決策圖很難判斷的情況，構(gòu)建局部密度和相對最小距離結(jié)合參考量γ，γi=ρiδi，通過γi值的大小判斷樣本數(shù)據(jù)i是否為類簇中心，其值越大，樣本數(shù)據(jù)i是類簇中心的可能性越大。因此，只要采用降序排列完成每個(gè)樣本數(shù)據(jù)的γ值的處理后，選取相對較大γ值的樣本數(shù)據(jù)為類簇中心。

類簇中心確定后，為完成實(shí)驗(yàn)室管理數(shù)據(jù)集聚類，需要將剩余數(shù)據(jù)劃分至類簇中，該劃分是根據(jù)局部密度逐漸降低的順序?qū)崿F(xiàn)；劃分至類簇為密度比其高并且距離最小的樣本數(shù)據(jù)所在的類簇。該算法具體流程為：

輸入：數(shù)據(jù)集

其包含n個(gè)數(shù)據(jù)。

輸出：k個(gè)簇。

1）樣本數(shù)據(jù)i的局部密度值ρi通過式（1）計(jì)算得到。

2）樣本數(shù)據(jù)xi的相對最小距離δi通過式（2）計(jì)算得到。

3）繪制決策圖需要根據(jù)ρi和δi完成，它們分別是各樣本數(shù)據(jù)的局部密度值以及相對最小距離值，類簇中心是決策圖中最優(yōu)樣本數(shù)據(jù)，是決策圖中顯著的、局部密度高和相對最小距離大的樣本數(shù)據(jù)。

4）向最優(yōu)樣本對象中分配剩余樣本數(shù)據(jù)，實(shí)現(xiàn)實(shí)驗(yàn)室數(shù)據(jù)集聚類。

1.2 實(shí)驗(yàn)室管理水平評價(jià)指標(biāo)確定

聲明：本文所用圖片、文字來源《現(xiàn)代電子技術(shù)》，版權(quán)歸原作者所有。如涉及作品內(nèi)容、版權(quán)等問題，請與本網(wǎng)聯(lián)系刪除。

相關(guān)鏈接：實(shí)驗(yàn)室，樣本，評價(jià)