近鄰傳播算法的改進方案及其在霧霾預測中的應用.pdf

1、隨著信息技術(shù)和數(shù)據(jù)庫技術(shù)的迅猛發(fā)展，數(shù)據(jù)呈爆炸式增長，數(shù)據(jù)挖掘作為一種新興的大數(shù)據(jù)分析技術(shù)，受到了眾多領(lǐng)域的廣泛關(guān)注。聚類分析是數(shù)據(jù)挖掘領(lǐng)域的一個重要分支，通過無監(jiān)督學習的方式，聚類分析能夠從海量數(shù)據(jù)中挖掘出潛在的價值信息，為科學決策提供有效的依據(jù)。
　　近鄰傳播聚類算法(Affinity Propogation，AP)作為目前較為流行的聚類算法之一，已經(jīng)被廣泛的應用于眾多領(lǐng)域。但是AP算法也存在一些不足，本文針對AP算法在具有粘

2、連樣本的復雜數(shù)據(jù)集上難以構(gòu)造有效的相似度矩陣的問題，提出一種基于加權(quán)系數(shù)和鄰域密度因子的近鄰傳播算法。該算法利用加權(quán)系數(shù)改進領(lǐng)域密度的計算，并將“鄰域密度因子“的思想引入近鄰傳播，將數(shù)據(jù)集中樣本點劃分為核心樣本點與非核心樣本點，并根據(jù)樣本點的類型采用不同的方式構(gòu)造連通圖，依此計算得到更加能體現(xiàn)數(shù)據(jù)真實分布關(guān)系的相似度矩陣并進行聚類。在人工數(shù)據(jù)集與UCI標準數(shù)據(jù)集上進行實驗，結(jié)果表明該算法在一定程度上提高了聚類精度，從而驗證了該算法的有效

3、性與可行性。
　　此外，將改進后的近鄰傳播算法結(jié)合領(lǐng)域密度作為欠取樣的一種方式，提出一種基于改進近鄰傳播聚類和領(lǐng)域密度的欠取樣SVM算法，旨在解決傳統(tǒng)SVM算法在類別不均衡數(shù)據(jù)集上分類效果差的問題，并通過對比實驗驗證了算法的有效性。最后針對霧霾數(shù)據(jù)不均衡的特點，將基于改進近鄰傳播算法和領(lǐng)域密度的欠取樣SVM算法應用于霧霾預測，構(gòu)建一個基于此算法的霧霾預測模型，選取北京地區(qū)的空氣質(zhì)量數(shù)據(jù)作為樣本，通過與其他霧霾預測算法模型進行對比，