基于多变量方差模糊聚类算法的无手机恐惧症研究_王小红.pdf

，研究与设计微型电脑应用 年第 卷第期作者简介：王小红（），女，硕士，副教授，研究方向为数据挖掘与知识工程。文章编号：（）基于多变量方差模糊聚类算法的无手机恐惧症研究王小红（陕西省委党校，文化与科技教研部，陕西，西安 ）摘要：为引导大学生正确使用手机，减少手机依赖对其身心危害。作者提出了模糊聚类多变量方差算法，并利用该方法对大学生群体中的手机使用现状网络问卷数据进行分析与研究，并得出大学生群体中多数人具有不同程度的无手机恐惧症行为，且随着拥有手机年限的增长和使用时间的延长，其患无手机恐惧症的可能性增大，同时，也发现女生比男生更有可能产生无手机恐惧症行为。关键词：无手机恐惧症；量表；多变量方差分析；模糊聚类分析；定量分析中图分类号：文献标志码：（，）：，：；引言无手机恐惧症（）年在英国首次出现，其实质是害怕失去与手机的联系，当人们无法使用手机或无法利用这些设备提供的功能时，会感到不适或焦虑。这种恐惧症是随着通讯技术的发展而出现的。无手机恐惧症是由于智能手机所提供的即时通讯和满足感而形成的一种心理障碍，并表现为一种强迫性和成瘾行为。目前，对于手机危害性研究大多以心理研究和社会行为研究为主，而以智能算法为工具的数据分析方法很少。再者，由于调查数据庞大，数据特征不明晰，如果利用现有智能算法去进行研究，肯定会影响数据分析的结论与对策。因此，本文以多变量方差模糊聚类算法为理论依据，利用模糊聚类理论去分析数据之间内外的关联，利用方差去衡量聚类精度，进而，提高对调查问卷数据分析的准确度与客观性。多变量方差分析多变量方差分析是一种基于多元方差分析方法，它不仅能够分析多个观测数据（控制变量）对其它被观测数据的独立干扰与影响，而且还可以根据多个观测数据（控制变量）的变化与交互，来监控被测数据的变化，并通过优化迭代最终找到适合分析的最优观测数据组合。在多变量方差分析中，观测数据（观测量）的变化取决于以下三个因素：一是观测数据独立作用的影响；二是观测数据相互搭配后对被观测变量产生的影响；三是抽样误差影响。因此，基于多变量方差分析可以定义为 （）其中，、分别表示由观测数据、独立作用引起的差变，为控制变量、两两交互作用引起的变差，为随机因素引起的变差。通常称 为主效应，为向（）交互效应，表示为总观测数据，它可以用下式来表示：（?）（）其中，为第控制变量的水平数，为第控制变量的水平数，为控制变量第个水平和控制变量第个水平下第样本值，为控制变量第水平和控制变量第个水平下样本个数，为观测变量均值。为了便于文章后续 ，研究与设计微型电脑应用 年第 卷第期数据分析，可以将控制变量、两两交互作用引起的变差式 定义为 （）（）其中，表示控制变量第个水平和控制变量第个水平下样本观测值个数，为控制变量第个水平下观测变量的均值。对于由观测数据引起的差变 可以用下式来定义：（）（）式中，为控制变量第水平下观测变量的均值。对测试数据进行处理过程中，外界随机因素引起的变差 可以通过下式来表示：（）（）式中，为控制变量、在、水平下观测变量的均值。根据式（）式（），则可以得到测试数据在交互作用中的变差式为 （）根据式（）可以发现，在测试数据交互作用中的变差式中，当变差式 的值在式中的比例较大时，则说明测量控制数据是引起观测数据变量变化的主要因素，因此，被观测数据变化趋势可以拟由控制测试数据变量来决定；相反，如果变差式 的值所占比例较小，则说明测量控制数据不是引起观测变量变动的主要因素，则观测变量的变化趋势无法用控制测量数据变量来解释。因此，在多变量方差分析中，可以预先将控制变量（测试数据）划分为固定测试变量和随机测试变量。在随机测试变量模型中，应首先对、的交互作用进行推断，然后再分别依次对、的效应进行检验。在多变量测试数据方差分析中，对于不同测试数据统计量的检验计算如下式：（）（）（）（）（）（）（）（）（）（）在上式中，对不同测试数据进行统计量检验计算均采用校验。为了确保测试数据分析的正确性，在对调查问卷数据进行数据挖掘分析过程中，本文采用数理统计多元分析模糊聚类法，在多变量方差数据分析的基础上，对测试数据进行聚类，从而客观的对测试数据进行评价与分析。模糊聚类算法本文引入模糊聚类算法，将调查数据按一定要求对其进行数理统计，科学地评判调查问卷测试样本数据之间的逻辑关系，从而客观地对问卷情况进行类型划分。为后续调查问卷数据的 量表分析奠定基础，模糊聚类通常采用如下的公式：（）（）（）（）其中，为调查问卷某项数据集合，为数据集合中数据序列，表示调查问卷数据的项，（）表示调查问卷中某项数据集合中的样本向量，其含义与式（）中的相同。为进一步衡量调查数据分析的准确性，现定义如下的性能指标函 数，来 确 定 调 查 问 卷 中 同 一 类 数 据 之 间 的 聚 类精度。（）（）（）（）其中，为定义的聚类中心，它是随着测量数据分析过程进行变化的。为了限制调查问卷数据分析过程中聚类中心变化的越界，特 定 义 如 下 的 聚 类 中 心 变 化 函 数 来 对 其 进 行约束：（）（）（）（）其中，（）为 测 试 数 据 分 析 过 程 中 模 糊 聚 类 隶 属 度函数。将由式（）式（）所得到的测量数据带入式（）式（），则可以得到调查问卷数据的多变量方差分析模糊聚类分析数据，再通过采用量表对其进行大数据分析，对中国大学生无手机恐惧症现状进行客观评价。多变量方差模糊聚类算法应用 调查问卷设计采用 量表为原型设计调查问卷，问卷中量表的四个维度 个问题（见图），每个问题答案都使用李克特分制评分，问卷包含与人口统计相关的问题，如性别、年龄、拥有手机的年限、几年级学生、每天使用手机时间长短等。问卷数据分别来自陕西、山西、青海、贵州、湖南地区的高等院校学生。样本情况介绍本次调研总共收集到 条数据，由于本次问卷调查是采用网络宣传采集数据，有些人没有看清楚调查对象，有已毕业的对象也填了本次问卷，所以去除已毕业的 条数据，剩下 个有效样本，性别统计：女生占 （人），男生占 （人）。学生所在年级统计：大一学生占 （人），大二学生占 （人），大三学生占 （），大四及研究生学生占（人）。拥有智能手机的年限统计：年以下的占（人），年年之间的占 （人），年年之间的占 （人），年年之间的占 （人），年年之间的占（人），年以上的占（人）。学生所在院校统计：大中专院校占 （人），本科院校占 （人）。智 能 手 机 用 户 的 平 均 年 龄 为 岁（，研究与设计微型电脑应用 年第 卷第期图改进 算法流程图 ），大部分是大一、大二和大三学生。使用智能手机的平均时间为 年（）。每天使用手机的平均时间为 小时（）。样本数据多变量方差模糊聚类分析在进行多变量方差分析（）测试之前，通过使用模糊聚类方法将数据中的年龄、使用手机的年限和每天使用手机的时间等变量分成了几类。然后，采用式（）式（）对测试数据进行检验和独立样本检验，研究大学生的无手机恐惧行为在性别、年龄、每天手机使用时间等方面是否存在差异。其次，通过计算问题负荷对 各因子的平均得分，来构建样本的因子得分，探究大学生的无手机恐惧症行为，分析结果如表。表中，与 其 他 因 素 相 比，大 学 生 对 无 法 沟 通（，）和失去联系（，）的恐惧程度更高。情绪因手机或功能不能使用而恼火（，）得分最低。在假设 ，相伴概率 ，统计量的相伴概率 。进而，男性和女性在量表总分的平均值上存在显著性差异。此外，对四个维度平均值的比较显示，女性的无手机恐惧症得分高于男性（见表）。采用式（）式（）对被测数据的方差进行检验，显著性值为 ，说明本次分析结果可信。对各年级学生的问卷总 得分进行方 差 检 验，相 伴 概 率 ，说明学生所在年级在无手机恐惧症行为上有统计学上显著差异。结果是在维度无法访问信息上无显著性差异，在维度失去联系、维度无法沟通和维度带来不方便上显著性差。大一和大二学生在维度、和上有明显差异，并且大二学生得分高于大一学生（见表）。表量表项分析问题均值标准差维度：无法访问信息 ：感到不舒服 ：很生气 ：会焦虑 ：会恼火 维度：失去联系 ：心有不适 ：会反复查看手机 ：会不自在 维度：无法沟通 我感到担心 感到紧张 不能与外界联系感到焦虑 担心别人联系不到自己 维度：带来不便 ：社交网络我不在线 ：刷不了社交软件 ：不能及时查收信息 ：不能用手机支付 而且，根据分析可以发现，每天使用手机时间越长的样本问卷得分越高，患无手机恐惧症的可能性越大（见图），而院校类型对问卷得分的高低无显著性差异。表无手机恐惧症性别统计得分的均值和标准差分组样本数量无法访问信息失去联系无法沟通带来不方便均值标准差均值标准差均值标准差均值标准差男 女 （下转第 页），教育探索微型电脑应用 年第 卷第期噪比、降低监测误差、减少电阻信号间的波形频谱差异。测试证明，本文监测系统拥有较高的信号控制能力，且信号的监测和传输过程一直保持着稳定状态，保证数据的完整性和安全性，监测准确率较高、整体效果优异。总结通过对本文提出的基于无线传感技术的体育教学田径训练强度 监 测 系 统 进 行 有 效 研 究 和 分 析，得 出 以 下 几 点结论：（）基于无线传感监测的终端服务器可以实时获取运动员的身体数据，并且通过低功率供电电源的设计可降低功耗，延长使用寿命。其中，数据传感器通过特定的接口处理有效防止信号丢失和异变，保证信息的安全性。（）利用随机采样的数据采集方式可以有效确保数据信息的完整性和时效性。而建立的桥压式电路确保各器件间的线路稳定，提高后续数据处理操作的可靠性。（）性能测试证明，本文系统可以有效降低电路中的信噪比，并且数据监测的准确性较高、能够满足各个领域的特殊化或个性化要求。参考文献常青基于视频图像的运动训练中幼儿体质状况实时监测系统设计周口师范学院学报，（）：郑湘平，袁卫华，孙伟，等 我国女子体操运动员专项身体素质评价指标体系的构建 首都体育学院学报，（）：孙健，何家欣，闫琪 基于“数据驱动决策”的体育院校专项体 能 训 练 研 究 与进展 广州体育学 院 学 报，（）：王沛一种便携式体育训练即时数据分析系统设计微型电脑应用，（）：韩永玺，樊碧田基于三维建模检测的体育训练运动中错误动作判断方法探讨现代科学仪器，（）：，朱文学无线传感器网络技术下智能体育运动系统的设计与实现自动化与仪器仪表，（）：杨涛，贾丽霞，姜丽，等基于佩戴式运动信息手环对体育课堂中运动负荷监测效果的研究新教育时代电子杂志（教师版），（）：黄志强基于 多通道数据采集系统设计与调试机械制造与自动化，（）：（收稿日期：）（上接第 页）表无手机恐惧症学生年级统计得分的均值和标准差分组样本数量无法访失去联系无法沟通带来不方便均值标准差均值标准差均值标准差均值标准差大一 大二 大三 其他 图每天使用手机时间长短和问卷得分的关系总结本论文设计了一种模糊聚类多变量方差大数据分析方法，完成了大学生手机依赖症调查数据的分析，客观评价了无手机恐惧症行为对大学生群体的影响。结果显示拥有手机年限和每天使用手机时间长短对年轻人的无手机恐惧症有影响。由于手机的功能不断在增强，年轻人对“无手机恐惧症”可能变得更加严重。在网络调查中，由于调研数据采集院校划分不明晰。因此，在后续研究中有待拓宽更广泛的年龄群体，以便调查数据分析更为客观。参考文献高野无手机恐惧症问卷的本土化修订及对大学生的现状调查锦州：锦州医科大学，任世秀，古丽给娜，刘拓无手机恐惧症量表的开发：基于项目反应理论与因子分析方法 中国心理学会 第二十 一 届 全 国 心理 学 学 术 会 议 摘 要 集，北 京，：常晓娟无手机恐惧症对大学生的影响及改善对策 西部素质教育，（）：杨霖，何成奇，谢薇，等膝骨关节炎的血流变学变化：多因素方差分析及横断面观察中国组织工程研究与临床康复，（）：张小雪，李诗争基于多因素方差分析的 计量经济学 教学效果研究淮南师范学院学报，（）：（收稿日期：）