面向應用領域特點的分類方法研究.pdf

1、隨著計算機技術的飛速發(fā)展，很多領域對分類方法提出了新的要求。如在生物信息學方面，人們通過DNA微陣列芯片實驗可以得到基因表達譜數(shù)據(jù)，由于其數(shù)據(jù)高維的特點，如何從基因表達譜數(shù)據(jù)中選取包含樣本分類信息的特征基因，建立合適分類器，是當前生物信息學研究的重要領域；在圖象顏色遷移方面，如何進行多值多類標分類并進行多源圖像顏色遷移是新的研究課題；在無線傳感器領域中，針對事件檢測和傳感器的特點，如何建立分布式分類檢測算法，對分類器提出了新要求。針對這

2、些問題，本文重點研究了若干分類算法，主要工作和成果表現(xiàn)在以下方面： 1．針對基因表達譜的特征基因選取問題進行了研究，提出了綜合性分類信息指標-GB指標，將Gini指數(shù)與類加權Bhattacharyya距離相結合進行無關基因及噪聲數(shù)據(jù)的剔除；采用歐氏距離丟棄高相關性的冗余基因；運用搜索算法得到最終的特征子集。針對兩類急性白血病數(shù)據(jù)集最終提取了2組包含4個特征基因的子集；針對四類小圓藍細胞數(shù)據(jù)集最終提取了1組包含7個特征基因的子集。

3、使用支持向量機和神經(jīng)網(wǎng)絡作為分類器對這些特征基因子集進行分類測試，留一交叉檢驗和獨立測試正確識別率都達到100％，本文提取的特征基因子集更精簡，優(yōu)于目前已發(fā)表的同類結果。 2．將分類與關聯(lián)規(guī)則挖掘相結合建立基于閉合模式的分類器?；虻谋磉_值代表的是基因的三種表達狀態(tài)：上升、下降和不變。由于基于關聯(lián)規(guī)則的經(jīng)典算法CBA等是挖掘所有頻繁項目集，對高維基因表達譜進行頻繁項集挖掘時，有相當多的模式是冗余的或價值不大的，采用基于閉合模式的

4、分類算法是解決基因表達譜分類途徑之一。本文提出了一種基于閉合模式的多類別分類算法DMAC。針對基因表達數(shù)據(jù)集的特點采用行枚舉思想，通過對行集建立行FP-tree，構造路徑枚舉樹的路徑枚舉PEA 算法來挖掘閉合模式。提出了權重算法QZ，通過構造權重函數(shù)，對分類器無法識別的樣本用權重進行判斷，改進了二類分類器的性能。在對四類數(shù)據(jù)集的測試中取得了好的實驗結果。算法有效地解決了基于關聯(lián)規(guī)則的多類分類問題。 3．本文對處理多屬性多類標數(shù)據(jù)

5、決策樹算法MMC和MMDT機制進行了研究分析，提出了新的相似度公式sim3。由于sim3綜合考慮了類標集的相似度和行為一致性，在此基礎上構建的決策樹算法SCC-SP與MMC及MMDT相比有更好的性能。針對圖像顏色遷移問題，研究了二種單源圖像顏色遷移算法，在此基礎上提出了一種基于多類標決策樹的多源圖像顏色遷移算法。以多幅源圖像中的圖像塊作為訓練樣本，提取其顏色、紋理特征以及類標集，建立基于多源圖像的多類標決策樹；利用多類標決策樹對目標圖像

6、各圖像塊進行分類決策，從而實現(xiàn)對目標圖像的顏色遷移，其方法彌補了單源圖像遷移參考信息不足的缺點，為多源顏色遷移提供了新的借鑒和參考。 4．針對無線傳感器網(wǎng)絡事件區(qū)域檢測問題，本文提出一種分布式加權容錯分類檢測算法。針對無線傳感器網(wǎng)絡的特點，考慮“鄰域的鄰域”的容錯范圍，首先通過鄰域節(jié)點與其周圍節(jié)點的信息交換，對鄰域節(jié)點的狀態(tài)值進行估計，然后采用加權方法對鄰域節(jié)點的估計狀態(tài)值進行加權綜合，完成對中心節(jié)點的錯誤檢測和分類處理。仿真結