论文部分内容阅读
针对在线教育平台中大量数学课程资源利用率偏低、资源利用不符合教学逻辑等问题,文中基于模糊聚类算法提出匹配数学课程资源的智能化算法。通过深入分析常用智能匹配算法的主要原理,详细讨论多种常用匹配算法的优点和缺点。在此基础上,利用传统模糊聚类算法和模糊C均值聚类算法的思想,改进基于用户的协同过滤匹配算法,从而降低匹配算法中的数据稀疏性。仿真测试结果表明,在数学课程资源的匹配效果方面,与传统的协同过滤匹配算法相比,基于模糊C均值聚类的智能匹配算法具有更高的推荐准确度,可以有效提升教学效果。