聚类分析法在大学生心理健康中的应用研究
关键词：聚类分析法；大学生心理健康；90项症状清单；K-均值法
Clustering Analysis in the Application of the College Students' mental Health
Abstract: The article mainly introduces the clustering analysis of background, the present situation, the definition, content and application. Detailed introduces several clustering analysis (system clustering analysis method, orderly sample analysis, etc.), also studied the contemporary college students' mental health, using " Self-reporting Inventory" to analyze college students' mental health, mainly pided into healthy state, the state of health and disease. Using cluster analysis is the main method of K-means Cluster Analysis is in the application analysis.
Key words: Cluster analysis; College students' mental health; Self-reporting Inventory; K-means Cluster Analysis
目录
摘 要 1
引言 2
第一章 聚类分析 3
1.1聚类的相关概念 3
1.1.1 类的定义、特征及类间距离 3
1.1.2聚类的定义和目的 4
1.2数据类型及距离和相似系数（数据亲疏关系的度量） 4
1.2.1数据类型 5
1.2.2样品间的距离 5
1.2.3相似系数 6
1.3聚类分析法的分类 7
第二章 90项症状清单（SCL-90） 11
2.1 90项症状清单简介 11
2.2选择90项症状清单的原因 11
第三章 实例应用（SPSS软件） 12
3.1几种聚类分析法在SPSS 17.0的实现过程 12
3.2 K-均值法在大学生心理健康中的应用及结果分析 12
参考文献 16
附录一 17
致谢 18
聚类分析法在大学生心理健康中的应用 引言
随着“信息化时代”的到来,我们身边充斥着大量的数据,繁杂而有毫无规律可寻,经常搞的头昏脑涨,却还是毫无头绪.但大量的数据背后隐藏着许多重要的信息,如何高效的利用数据一直是让人们为之努力的方向,特别是计算机的迅猛发展,使人们希望对其进行更深层次的分析,以便更加方便的利用和处理这些数据.以往,人们只是对研究对象的的一个简单分类,仅是依靠经验、专业知识,以及对象的形态描述,做定性分类处理,致使许多分类带有主观性和任意性；不能很好地揭示客观事物内在的本质差别和联系,特别是对于多因素、多指标的分类问题,定性分类更加难以实现.
聚类分析一直不断地发展中,并趋于多元化.目前聚类分析的内容十分的丰富,方法多种多样,大致有划分方法、层次方法、基于密度的方法、基于网格的方法、基于神经网络的方法、模糊聚类的方法及基于统计学的方法.学者们一直在研究聚类分析力强、执行效率高、简单易行的聚类分析方法,但没有完美的方法,每种方法都有自己的优点和不足,没有那种聚类分析算法是能够解决所有问题的,所以我们通常是和其他方法联合起来综合分析.本文采用数据挖掘中的聚类分析法进行研究,提高分类方法的精度、效率、稳定性,以及多样性.另一方面,在当代社会,大学生这个一直被冠以天之骄子的群体越来越趋向壮大.然而,在市场经济日益成熟与发达的条件,在就业形势日渐严峻的情况下,大学生心理健康问题受到社会的高度关注,加强大学生心理健康教育的呼声日高.所以,各类的调查就展开了,调查后的数据处理问题也成为一个重要问题.把聚类分析法应用与大学生心理健康的数据分类具有很高的实用性与操作性；通过对所收集到的数据细化分类,为进一步了解大学生心理状况和高校等部门及时开展心理健康教育提供理论依据.
上一篇：缺失数据的估计与应用+文献综述