基于閉包的分類判別方法研究.pdf

1、對事物進(jìn)行分類，是人們認(rèn)識(shí)事物的出發(fā)點(diǎn)，也是人們認(rèn)識(shí)世界的一種重要方法。因此，分類學(xué)已成為人們認(rèn)識(shí)世界的一門基礎(chǔ)科學(xué)。在生物，經(jīng)濟(jì)，社會(huì)，人口等領(lǐng)域的研究中，存在著大量的分類研究。目前常見的分類方法有決策樹分類、貝葉斯分類、神經(jīng)網(wǎng)絡(luò)分類、k-最近鄰分類、支持向量機(jī)分類、以及基于粗糙集和云模型的分類方法。本文首先介紹了數(shù)據(jù)分類的相關(guān)概念，然后對其中最常用的幾種分類方法進(jìn)行了深入地研究，經(jīng)研究發(fā)現(xiàn)這些方法對于解決樣本分類問題時(shí)，在保證既有較

2、高的準(zhǔn)確率又有較快的速度方面，都顯得不夠理想。 因此本文提出了一種新的基于閉包的解決樣本分類問題的方法，并在此分類方法的基礎(chǔ)上給出了Rd空間中的樣本分類判別準(zhǔn)則和分類模型。最后分別以蘩縷花品種的分類判別和乳腺癌的分類診斷為例，都收到了不錯(cuò)的實(shí)驗(yàn)效果。本文主要研究內(nèi)容如下： (1)引入了一種新的降維方法。先對所有的樣本指標(biāo)進(jìn)行排列組合，以任意2個(gè)或3個(gè)指標(biāo)組合進(jìn)行閉包構(gòu)造然后選出最好的指標(biāo)組合、建模實(shí)驗(yàn)及分類判別。最后比較

3、二維和三維的實(shí)驗(yàn)效果。這樣可以在高維空間中，選擇出對數(shù)據(jù)分類最有效的若干個(gè)指標(biāo)組合，從而達(dá)到降維的效果： (2)提出了一種對樣本數(shù)據(jù)分類判別的新方法。該方法是基于閉包的原理進(jìn)行分類判別，不同于傳統(tǒng)的分類方法。傳統(tǒng)方法是從面出發(fā)找出若干近似曲線來把樣本點(diǎn)分為若干類，而基于閉包的分類方法是以類為出發(fā)點(diǎn)，以閉包為規(guī)則的構(gòu)造分類的方法，即用幾個(gè)圓或球把樣本點(diǎn)分為若干類，并且每一類都是找最小的圓或球把樣本點(diǎn)包含進(jìn)去。比較可以看出本文的方法

4、操作方便，數(shù)學(xué)原理比較簡單。 (3)給出了交叉區(qū)域和位于閉包外的待檢驗(yàn)點(diǎn)的判別準(zhǔn)則。基于閉包的分類方法給出了對于閉包間的交叉區(qū)域和位于閉包外的待檢驗(yàn)點(diǎn)的分類判別準(zhǔn)則，這樣就能更精確的對每類樣本點(diǎn)的類別進(jìn)行判斷。 本文的研究成果，用閉包的分類方法來處理高維樣本中的分類問題，用已知的樣本數(shù)據(jù)的信息來檢測未知樣本的類別，并且選用了降維和特征選擇的思想，提高了算法的效率，最后引入了待檢測區(qū)域點(diǎn)的概念，進(jìn)一步減少了誤判率。實(shí)驗(yàn)證明