關(guān)聯(lián)分類改進(jìn)及不平衡數(shù)據(jù)分類算法研究.pdf

1、分類是數(shù)據(jù)挖掘領(lǐng)域的一項(xiàng)重要任務(wù)，它是學(xué)習(xí)出分類器模型并預(yù)測(cè)未知實(shí)例的類標(biāo)號(hào)的技術(shù)。關(guān)聯(lián)分類是一種具有規(guī)則多和分類精度較高的分類算法?；谥С侄群椭眯哦仁悄壳瓣P(guān)聯(lián)分類算法中最為經(jīng)典的一種框架，然而這種關(guān)聯(lián)分類無法很好度量項(xiàng)集與類的關(guān)系，也沒有考慮訓(xùn)練集中各類所占比例關(guān)系，導(dǎo)致在數(shù)據(jù)集類分布不均情況下分類效果并不理想。此外，不平衡數(shù)據(jù)的分類今年來已成為研究熱點(diǎn)問題。在不平衡數(shù)據(jù)集中，某一類的樣本數(shù)遠(yuǎn)小于其它類的樣本數(shù)，而傳統(tǒng)的分類技術(shù)是以

2、尋求整體分類精度的最大化為目標(biāo)，導(dǎo)致對(duì)小類樣本的預(yù)測(cè)往往出現(xiàn)誤判。但在現(xiàn)實(shí)實(shí)踐中，小類往往具有更高的應(yīng)用價(jià)值，錯(cuò)分小類具有很高的代價(jià)。因此，在不平衡數(shù)據(jù)分類問題中，提高對(duì)小類樣本的辨識(shí)能力而沒有以犧牲大類樣本的準(zhǔn)確率為代價(jià)，是具有極大挑戰(zhàn)性的。針對(duì)關(guān)聯(lián)分類和不平衡數(shù)據(jù)分類的這兩個(gè)問題，本文的研究工作主要如下：
　　首先，提出了基于支持度和增比率的改進(jìn)分類算法ACSER。ACSER是對(duì)經(jīng)典的基于支持度和置信度的關(guān)聯(lián)分類算法進(jìn)行改進(jìn)，

3、提取頻繁項(xiàng)集增比模式作為候選分類規(guī)則集。同時(shí)，利用綜合考慮多因素的規(guī)則強(qiáng)度度量對(duì)規(guī)則集排序和剪枝，使規(guī)則的優(yōu)先級(jí)較合理，最終提高了分類準(zhǔn)確率。
　　其次，提出了基于自適應(yīng)實(shí)例權(quán)重的在不平衡數(shù)據(jù)上的新關(guān)聯(lián)分類算法ACIW。ACIW根據(jù)原始不平衡訓(xùn)練集中的每條小類例子到大類例子的距離遠(yuǎn)近，依次自動(dòng)地增加各小類例子的權(quán)重，使越難學(xué)習(xí)的小類樣本獲得越高的權(quán)重值。對(duì)賦權(quán)訓(xùn)練集，采用改進(jìn)關(guān)聯(lián)算法ACSER進(jìn)行學(xué)習(xí)，并構(gòu)建分類器。實(shí)驗(yàn)結(jié)果顯示，

4、ACIW不僅有效提高了小類規(guī)則的數(shù)量和優(yōu)先級(jí)，而且在保持較高整體分類精度情況下顯著提高了對(duì)小類樣例的識(shí)別率。
　　最后，提出了基于自適應(yīng)合成過采樣在不平衡數(shù)據(jù)集上的集成學(xué)習(xí)算法ASMOTE-Boost。該算法先通過k-近鄰方法找到噪聲點(diǎn)，將其刪除。再充分考慮數(shù)據(jù)的樣本分布特點(diǎn)，根據(jù)小類樣本難易學(xué)習(xí)程度決定自適應(yīng)合成倍率，越難學(xué)習(xí)的合成率越大。通過F-measure和G-mean等度量的大量實(shí)驗(yàn)驗(yàn)證，表明本文的自適應(yīng)合成過采樣方法與