[1] 马文峰,杜小勇. 基于数据的资源整合[J]. 情报资料工作, 2007(1):41-45.
[2] 马文峰,杜小勇,胡宁. 基于信息的资源整合[J]. 情报资料工作, 2007(1):46-50,70.
[3] 马文峰, 杜小勇,卢晓惠. 基于知识的资源整合[J]. 情报资料工作, 2007(1):51-56.
[4] 常桐善.数据挖掘技术在美国院校研究中的应用[J]. 复旦教育论坛, 2009(2):72-79.
[5] 廖凤露,周庆. EDM用于研究生就业能力的预测[J]. 教育教学论坛, 2017(33):65-66.
[6] 施佺,钱源,孙玲. 基于教育数据挖掘的网络学习过程监管研究[J]. 现代教育技术, 2016,26(6):87-93.
[7] 舒忠梅,徐晓东. 学习分析视域下的大学生满意度教育数据挖掘及分析[J]. 电化教育研究, 2014(5):39-44.
[8] 何世明,沈军. 基于BP神经网络的网上学习评价方法[J]. 微机发展, 2004,14(12):26-29.
[9] 刘美玲,李熹,李永胜. 数据挖掘技术在高校教学与管理中的应用[J]. 计算机工程与设计, 2010,31(5):1130-1133.
[10] 李恒贝, 查贵庭, 毛莉菊,等. 基于碎片化服务的高校信息化架构及实践[J]. 中国教育信息化, 2016(19):11-13.
[11] 方匡南, 吴见彬, 朱建平,等. 随机森林方法研究综述[J]. 统计与信息论坛, 2011, 26(3):32-38.
[12] BREIMAN L. Random forests[J]. Machine learning, 2001, 45(1):5-32.
[13] 周志华.机器学习[M].北京:清华大学出版社,2016:178-180.
[14] LIU Y, CHEN M.Random forest method and applicationin stream big data systems[J].Journal of Northwestern Poly-technical University, 2015, 33(6):1055-1061.
[15] 吴辰文, 王伟, 李长生,等. 一种结合随机森林和邻域粗糙集的特征选择方法[J]. 小型微型计算机系统, 2017, 38(6):1358-1362.
[16] YAO D, YANG J, ZHANG X.Feature selection algorithm based on random forest[J]. Journal of Jilin University (Engineering and Technology Edition), 2014,44(1):137-141.
[17] 杨凯,侯艳,李康. 随机森林变量重要性评分及其研究进展[EB/OL].[2017-08-25]. http://www.paper.edu.cn/html/releasepaper/2015/07/212/.
[18] ARCHER K J, KIMES R V. Empirical characterization of random forest variable importance measures[J]. Computational statistics & data analysis, 2008, 52(4):2249-2260.
[19] 王晓杰,孙仁诚,邵峰晶. 基于随机森林的用户对在线课程的放弃预测[J].青岛大学学报(工程技术版), 2016,31(4):17-22.
[20] 张晓凤,侯艳,李康, 基于AUC统计量的随机森林变量重要性评分的研究[J]. 中国卫生统计, 2016,33(3):537-540,542.
[21] JANUTZA S, STROBL C, BOULESTEIX A L. An AUC-based permutation variable importance measure for random forests[J]. BMC bioinformatics, 2013, 14(3):433-440.
[22] 王宇燕, 王杜娟, 王延章,等. 改进随机森林的集成分类方法预测结直肠癌存活性[J]. 管理科学, 2017, 30(1):95-106.
[23] 刘海苑. 基于数据挖掘的贫困生认定辅助系统的研究[J].电脑知识与技术, 2015, 11(24):5-7. |