面向不平衡數(shù)據(jù)集分類的層次引力模型研究.pdf

1、分類是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)熱點(diǎn)問題，傳統(tǒng)的分類問題主要關(guān)注數(shù)據(jù)分布平衡的情況，但是在實(shí)際應(yīng)用當(dāng)中數(shù)據(jù)不平衡的情況時(shí)有發(fā)生。數(shù)據(jù)的不平衡給分類直接或間接地帶來了很多困難，傳統(tǒng)的方法在對(duì)不平衡數(shù)據(jù)集進(jìn)行分類時(shí)往往變得不再適用。由于不平衡數(shù)據(jù)集分類問題的挑戰(zhàn)性和在現(xiàn)實(shí)中的廣泛應(yīng)用，吸引了越來越多的人對(duì)其進(jìn)行研究。目前對(duì)不平衡數(shù)據(jù)集分類的解決方法主要分三種：?jiǎn)栴}定義層的解決方法、數(shù)據(jù)層的解決方法和算法層的解決方法。
　　在對(duì)不平衡

2、數(shù)據(jù)集分類中的主要問題進(jìn)行分析后，該文介紹了兩種傳統(tǒng)的分類方法，即層次分類模型和數(shù)據(jù)引力模型，并分析了將它們用于不平衡數(shù)據(jù)集分類的可行性：將兩者結(jié)合可以同時(shí)降低類間不平衡和小析取項(xiàng)對(duì)分類影響。然后在此基礎(chǔ)上對(duì)兩者進(jìn)行了修改，提出了一種用于不平衡數(shù)據(jù)集分類的層次引力模型，即HDGC。本文的主要工作如下：
　　1.將層次分類模型和數(shù)據(jù)引力模型相結(jié)合，在吸納兩者優(yōu)點(diǎn)的同時(shí)使兩者彌補(bǔ)了彼此的不足，即層次分類模型精確分類能力的不足和數(shù)據(jù)引力

3、模型分類代價(jià)較高的問題。
　　2.改變了傳統(tǒng)層次分類模型中采用新生成樣本代替原始樣本的做法，將劃分后位于同一區(qū)域的樣本看作一個(gè)數(shù)據(jù)單元，根據(jù)數(shù)據(jù)單元距離邊界的遠(yuǎn)近對(duì)其進(jìn)行不同標(biāo)記，并使用標(biāo)記結(jié)果輔助分類。
　　3.采用了局部引力和全局引力相結(jié)合進(jìn)行分類的方法。局部引力只采用相鄰的訓(xùn)練樣本對(duì)測(cè)試樣本進(jìn)行分類，在有足夠信息的情況下提高了分類的效率，而使用全局引力則可以利用盡可能多的信息對(duì)難分樣本進(jìn)行分類。
　　為了驗(yàn)證HD