1.基于合并分組算法的寢室分組裝置，其特征在于，包括采集模塊，所述采集模塊用于采集每個學生在寢室分配上關注的若干個點，作為特征項；

特征項權重計算模塊，通過兩兩比較法計算每個特征項的權重；

學生相似度計算模塊，通過特征項和各個特征項權重計算出學生間的相似度；

寢室分組模塊，通過合并分組算法循環迭代為學生分配寢室。

2.根據權利要求1所述的基于合并分組算法的寢室分組裝置，其特征在于：所述寢室分組模塊，還用于在寢室分組過程中產生的寢室超編，通過計算寢室內學生的相似度，保留相似度高的幾個學生，將相似度低的學生分離出來繼續參與寢室的分配。

3.根據權利要求1或2所述的基于合并分組算法的寢室分組裝置，其特征在于：在特征項權重計算模塊中，所述的兩兩比較法是指：將一個用于比較的特征項與另一個用于被比較的特征項進行比較，若兩個特征項同等重要，則兩個特征項均取相同的數值，若用于比較的特征項比用于被比較的特征項略微重要，則用于比較的特征項比用于被比較的特征項數值要高，若用于比較的特征項比用于被比較的特征項重要得多，則用于比較的特征項比用于被比較的特征項數值進一步提高，對每個特征項分別進行兩兩比較后所賦予的數值求和，針對各個特征項的求和進行歸一化處理，得到各個特征項的權重值。

4.根據權利要求1或2所述的基于合并分組算法的寢室分組裝置，其特征在于：在學生相似度計算模塊中，計算學生相似度的方式是：每個學生作為一個n維的向量，每個特征項的權重是向量的一個維度，通過歐氏距離計算出的兩個向量間的距離，即用于評價學生間的相似度。

5.根據權利要求1或2所述的基于合并分組算法的寢室分組裝置，其特征在于：寢室分組模塊中，先把每個學生單獨分一個寢室，放入一個待分組隊列 Ungrouped，遍歷Ungrouped，找到相似度最高的兩個寢室m、n，合并為一個新寢室并加入Ungrouped，移除m、n，重復上述步驟，直到寢室人滿為止。

6.基于合并分組算法的寢室分組方法，其特征在于：包括以下內容：1）特征項的采集步驟：通過采集模塊采集每個學生在寢室分配上關注的若干個點，作為特征項；

2）特征項權重的計算步驟：采用兩兩比較法計算每個特征項的權重；

3）學生相似度的計算步驟：通過特征項和各個特征項權重計算出學生間的相似度；

4）寢室分組的步驟：通過合并分組算法循環迭代為學生分配寢室。

7.根據權利要求6所述的基于合并分組算法的寢室分組方法，其特征在于：還包括5）寢室超編的處理步驟，當寢室超編時，通過計算寢室內學生的相似度，保留相似度高的幾個學生，將相似度低的學生分離出來繼續參與寢室的分配。

8.根據權利要求6所述的基于合并分組算法的寢室分組方法，其特征在于：在2）特征項權重的計算步驟中，所述的兩兩比較法是指：將一個用于比較的特征項與另一個用于被比較的特征項進行比較，若兩個特征項同等重要，則兩個特征項均取相同的數值，若用于比較的特征項比用于被比較的特征項略微重要，則用于比較的特征項比用于被比較的特征項數值要高，若用于比較的特征項比用于被比較的特征項重要得多，則用于比較的特征項比用于被比較的特征項數值進一步提高，對每個特征項分別進行兩兩比較后所賦予的數值求和，針對各個特征項的求和進行歸一化處理，得到各個特征項的權重值。

9.根據權利要求6所述的基于合并分組算法的寢室分組方法，其特征在于：在3）學生相似度的計算步驟中，計算學生相似度的方式是：每個學生作為一個n維的向量，每個特征項的權重是向量的一個維度，通過歐氏距離計算出的兩個向量間的距離，即用于評價學生間的相似度。

10.根據權利要求6所述的基于合并分組算法的寢室分組方法，其特征在于：在4）寢室分組的步驟中，先把每個學生單獨分一個寢室，放入一個待分組隊列 Ungrouped，遍歷Ungrouped，找到相似度最高的兩個寢室m、n，合并為一個新寢室并加入Ungrouped，移除m、n，重復上述步驟，直到寢室人滿為止。