相似性度量的研究及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、福建師范大學(xué)碩士學(xué)位論文相似性度量的研究及其在數(shù)據(jù)挖掘中的應(yīng)用姓名：黃彧申請學(xué)位級別：碩士專業(yè)：應(yīng)用數(shù)學(xué)指導(dǎo)教師：郭躬德20090401中文文摘中文文摘相似性度量涉及到人工智能的各個領(lǐng)域，如何選取一個適當(dāng)?shù)南嗨菩远攘糠椒ㄓ绊懙皆S多分類、聚類、特征選擇算法的性能。相似度是兩類模式之間的相似程度，它有多種的定義方式。在數(shù)據(jù)挖掘研究中，常用距離和相關(guān)系數(shù)來衡量對象之間的相似度?，F(xiàn)在廣泛應(yīng)用的各種相似性度量方式都有其優(yōu)點也有其缺陷，在時間效率、

2、魯棒性和精確性方面各存在不同程度的問題，這制約了其在各種算法中的使用范圍。對于大多數(shù)經(jīng)典的距離度量公式而言，有的只能處理數(shù)值型屬性或只能處理離散類型的屬性，而能夠處理多種屬性的公式也往往需要進行相應(yīng)的類型轉(zhuǎn)換或者歸一化處理，這就可能改變數(shù)據(jù)的原意或是丟失一些信息。因此，在本文中我們提出一種基于空間覆蓋的相似性度量方法，它能夠靈活處理各種不同的數(shù)據(jù)類型，具有更好的通用性。并將其應(yīng)用于分類、特征選擇和時間序列分析的領(lǐng)域，取得了良好效果。論文

3、的主要研究成果以及文章組織如下：第一章對相似性度量的理論基礎(chǔ)進行了系統(tǒng)的研究，對現(xiàn)有的各種相似性度量方法進行了較全面的評述，分析了傳統(tǒng)數(shù)值型數(shù)據(jù)之間的距離度量、離散型變量之間的距離度量、混合型變量間的距離度量和一些新的距離度量方式，并對其優(yōu)缺點進行了分析。第二章提出一種了在多維空間下基于部分覆蓋關(guān)系的元組相似性度量方法，并用它創(chuàng)造了PCC分類算法。我們采用幾個UCI上的公共數(shù)據(jù)集對該方法進行了測試。實驗結(jié)果表明，PCC的分類性能可以與經(jīng)

4、典的分類方法相媲美。之后將PCC算法應(yīng)用于毒性物質(zhì)預(yù)測的研究也取得良好效果。第三章將空間覆蓋的思想引入特征選擇領(lǐng)域，提出DPC特征選擇算法。這種方法不需要搜索全部的特征子集空間，并且它不需要對搜索方法采用評估函數(shù)和設(shè)置停止標(biāo)準(zhǔn)。做為～種懶惰類型的特征過濾算法，實驗結(jié)果顯示DPC的效率與經(jīng)典的特征選擇算法具有可比性，在某些數(shù)據(jù)集上可以達(dá)到最好效果。第四章結(jié)合類似空間覆蓋理念的鄰近集計算思想，提出一種新的基于時間權(quán)重的相似性度量方法TWNC