類(lèi)別非均衡性對(duì)數(shù)據(jù)混淆度影響的研究.pdf

1、分類(lèi)號(hào)：UDC：密級(jí)：學(xué)校代號(hào)：學(xué)號(hào)：廣東工業(yè)大學(xué)碩士學(xué)位論文(工學(xué)碩士)118452111304103類(lèi)別非均衡性對(duì)數(shù)據(jù)混淆度影響的研究賈小彥指導(dǎo)教師姓名、職稱(chēng)：理延雖』塾握專(zhuān)業(yè)或領(lǐng)域名稱(chēng)：控魚(yú)』型堂皇王猩學(xué)生所屬學(xué)院：自動(dòng)絲堂院論文答辯日期：2Q!魚(yú)生5縣31旦摘要在模式識(shí)別、機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘領(lǐng)域當(dāng)中的最基礎(chǔ)性問(wèn)題就是數(shù)據(jù)的分類(lèi)問(wèn)題，在日常的工作和生活當(dāng)中分類(lèi)問(wèn)題已經(jīng)司空見(jiàn)慣。近些年來(lái)，越來(lái)越多的研究者們開(kāi)始從事數(shù)據(jù)分類(lèi)問(wèn)題的研

2、究，已有的研究文獻(xiàn)顯示，各類(lèi)基礎(chǔ)算法以及改進(jìn)算法包括數(shù)據(jù)預(yù)處理、分類(lèi)學(xué)習(xí)等算法層出不窮，特別是90年代初期統(tǒng)計(jì)學(xué)習(xí)理論的問(wèn)世標(biāo)志著人們?cè)谒惴I(lǐng)域的研究已經(jīng)比較豐富，但是有一個(gè)突出的問(wèn)題逐漸顯露出來(lái)，那就是在實(shí)際的問(wèn)題當(dāng)中，當(dāng)需要對(duì)某一個(gè)數(shù)據(jù)集進(jìn)行分類(lèi)，究竟應(yīng)該如何選擇這些算法和方法才能使我們的分類(lèi)過(guò)程簡(jiǎn)化，這是一個(gè)日漸引起關(guān)注的問(wèn)題，特別是對(duì)于類(lèi)別分布非均衡性數(shù)據(jù)的分類(lèi)問(wèn)題，算法的選擇更加麻煩。本文緊緊圍繞數(shù)據(jù)集的分類(lèi)問(wèn)題中有關(guān)分類(lèi)算法

3、的選擇問(wèn)題展開(kāi)研究，在深入探討TKHo等人提出的數(shù)據(jù)幾何復(fù)雜度理論的基礎(chǔ)上，創(chuàng)造性的提出了基于幾何統(tǒng)計(jì)理論和信息論兩個(gè)角度的數(shù)據(jù)混淆度的衡量指標(biāo)，并分別在人工生成的類(lèi)別分布非均衡性仿真數(shù)據(jù)集和真實(shí)數(shù)據(jù)集當(dāng)中對(duì)這些衡量指標(biāo)進(jìn)行實(shí)驗(yàn)，得出了一系列適用于類(lèi)別分布菲均衡性數(shù)據(jù)集的數(shù)據(jù)混淆度衡量指標(biāo)的規(guī)律和結(jié)論，這些規(guī)律和結(jié)論對(duì)于類(lèi)別分布非均衡性真實(shí)數(shù)據(jù)集的分類(lèi)器選擇問(wèn)題具有重要的指導(dǎo)意義。主要的研究?jī)?nèi)容和研究成果如下：首先，閱讀和整理了國(guó)內(nèi)外近

4、些年來(lái)的參考文獻(xiàn)，主要涉及的方面包括分類(lèi)學(xué)習(xí)、數(shù)據(jù)幾何復(fù)雜度、數(shù)據(jù)混淆度、類(lèi)別分布非均衡性數(shù)據(jù)的分類(lèi)等等問(wèn)題，并對(duì)這些問(wèn)題的研究現(xiàn)狀進(jìn)行了總結(jié)和分析(詳見(jiàn)第一章)。其次，深入討論數(shù)據(jù)混淆度和類(lèi)別分布非均衡性數(shù)據(jù)的分類(lèi)問(wèn)題，在數(shù)據(jù)復(fù)雜度的基礎(chǔ)上討論數(shù)據(jù)混淆度，同時(shí)闡述了數(shù)據(jù)混淆度與數(shù)據(jù)復(fù)雜度之間的關(guān)系。針對(duì)類(lèi)別分布非均衡性的數(shù)據(jù)分類(lèi)問(wèn)題，給出其研究的現(xiàn)狀，并討論了類(lèi)別分布非均衡性數(shù)據(jù)集對(duì)模式分類(lèi)的影響等(詳見(jiàn)第二章)。再次，為了研究數(shù)據(jù)混