Kombination von DBSCAN und Grid-basiertem Clustering zur Leistungsanalyse

Die Zeit der Daten und Technologien hat dazu geführt, dass große Mengen an Daten gesammelt werden. Diese gesammelten Daten müssen in eine hilfreiche Struktur für eine bessere grundlegende Führung umgewandelt werden. In jeder Hochschule/Organisation gibt es eine Vielzahl von Informationen über die Schüler, wie z.B. Teilnahme, Noten usw. Diese Informationen können mit Hilfe von Information-Mining-Verfahren subjektiv und quantitativ untersucht werden. Die Untersuchung der Ausführung nimmt eine wichtige Aufgabe in höheren Institutionen ein, und der Eindruck oder die Bewertung der Studenten ist ein wichtiger Faktor. Hochschul- und Fachverbände stehen vor großen Herausforderungen, und ihre Prüfung besteht darin, ihre Leistung zu verbessern. Die Arbeit konzentriert sich auf die Erstellung eines Rahmens für die Untersuchung der Ausführung von Studenten auf der Grundlage von DBScan und Grid-basierten Methoden. Die Mehrheit der traditionellen Gruppierungsansätze arbeitet nur mit rund geformten Paketen, es müssen verschiedene Techniken zur weiteren Gruppierung für Gruppen mit subjektiven Formen untersucht werden. Ohne die Schätzung der gemeinsamen Trennungen, zeigt diese Arbeit eine elektive Technik, um die Gruppierung von Informationen mit jeder Form zu erfüllen und schreien deutlich schneller und progressiv wirksam.