類別非均衡性對數(shù)據(jù)混淆度影響的研究.pdf

1、分類號(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類別非均衡性對數(shù)據(jù)混淆度影響的研究賈小彥指導(dǎo)教師姓名、職稱：理延雖』塾握專業(yè)或領(lǐng)域名稱：控魚』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)性問題就是數(shù)據(jù)的分類問題，在日常的工作和生活當(dāng)中分類問題已經(jīng)司空見慣。近些年來，越來越多的研究者們開始從事數(shù)據(jù)分類問題的研

2、究，已有的研究文獻(xiàn)顯示，各類基礎(chǔ)算法以及改進(jìn)算法包括數(shù)據(jù)預(yù)處理、分類學(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)理論的問世標(biāo)志著人們在算法領(lǐng)域的研究已經(jīng)比較豐富，但是有一個(gè)突出的問題逐漸顯露出來，那就是在實(shí)際的問題當(dāng)中，當(dāng)需要對某一個(gè)數(shù)據(jù)集進(jìn)行分類，究竟應(yīng)該如何選擇這些算法和方法才能使我們的分類過程簡化，這是一個(gè)日漸引起關(guān)注的問題，特別是對于類別分布非均衡性數(shù)據(jù)的分類問題，算法的選擇更加麻煩。本文緊緊圍繞數(shù)據(jù)集的分類問題中有關(guān)分類算法

3、的選擇問題展開研究，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)中對這些衡量指標(biāo)進(jìn)行實(shí)驗(yàn)，得出了一系列適用于類別分布菲均衡性數(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)論對于類別分布非均衡性真實(shí)數(shù)據(jù)集的分類器選擇問題具有重要的指導(dǎo)意義。主要的研究內(nèi)容和研究成果如下：首先，閱讀和整理了國內(nèi)外近

4、些年來的參考文獻(xiàn)，主要涉及的方面包括分類學(xué)習(xí)、數(shù)據(jù)幾何復(fù)雜度、數(shù)據(jù)混淆度、類別分布非均衡性數(shù)據(jù)的分類等等問題，并對這些問題的研究現(xiàn)狀進(jìn)行了總結(jié)和分析(詳見第一章)。其次，深入討論數(shù)據(jù)混淆度和類別分布非均衡性數(shù)據(jù)的分類問題，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。針對類別分布非均衡性的數(shù)據(jù)分類問題，給出其研究的現(xiàn)狀，并討論了類別分布非均衡性數(shù)據(jù)集對模式分類的影響等(詳見第二章)。再次，為了研究數(shù)據(jù)混