基于多分类器融合的数据挖掘分类算法研究与应用

《基于多分类器融合的数据挖掘分类算法研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文基于多分类器融合的数据挖掘分类算法研究与应用姓名：梁勇林申请学位级别：硕士专业：控制理论与控制工程指导教师：石为人20070420重庆大学硕+学位论文中文摘要摘要数据挖掘分类算法是数据挖掘研究的一个重要课题，已在商业等领域广泛应用。学生信用分类是典型的分类挖掘问题，属于信用分类的范畴，同时也是一个新的应用研究课题。如何采用多分类器融合的方法综合不同分类器的信息，避免单一分类器可能存在的片面性，从而提高分类的性能，已成为数据挖掘分类算法研究的热点问题。本论文依托教育部“春晖计划”科研项目“高

2、校学生个人信用评价管理系统研究”和重庆市自然科学基金计划项目“面向混合数据类型的通用数据挖掘模式研究”，采用多分类器融合的方法研究数据挖掘分类算法，并将该方法用于学生信用分类。本文的主要研究工作和成果概括如下：首先，分析了数据挖掘、数据挖掘的分类器、多分类器融合的基本理论和方法．为研究基于多分类器融合的分类算法，及其在学生信用分类数据挖掘的应用打下基础．其次，设计了基于AdaBoost的BP神经网络融合分类算法，着重讨论了算法的主要组成部分和基本分类器的构造，以及调整样本权重、训练神经网络基本分类器、确定基本

3、分类器权重这三个算法流程中的关键问题。最后，将多分类器融合方法与项目实际需求相结合用于学生信用分类。选择学生信用分类的数据项并进行分类挖掘数据预处理，建立了基于多分类器融合的学生信用分类模型，通过仿真验证了该算法能有效提高基本分类器的精度和泛化能力，用于学生信用分类是有效和可行的。在高校学生个人信用评价管理系统的基础上．设计和实现了学生信用分类模块。本文的研究成果为学生信用分类和助学贷款的发放提供了决策依据，同时也对信用分类的其他方面具有参考价值。关键词：数据挖掘分类算法，多分类器融合，AdaBoost，BP

4、神经网络，学生信用分类重庆大学硕士学位论文英文摘要ABSTRACTDataminingclassificationarithmeticisfillimpormtproblemindataminingres∞f℃札andithasbeenwidelyusedinbusiness棚。caandSOon．Studentcreditclassificationisatypicaldataminingclassificationproblem,andanwresearchsabjentincreditelaⅨifica

5、tion．TheresearchOnelassifieati011arithmeticbasedOntheclassifierbymultipleclassifiersfllsion,avoidinqgtheunilateralismforsingleclassifierandimprovingitsl删ormanc*,ispopulax．T11ispaperstemsfromtheministryofeducationChunhuiprojent,‘'Researchandapplication011Cho

6、ngqingcollegestudentpersonalcreditsystem",andtheChongqingNSFproj∞-t,‘'Research011universaldataminingmodeformixeddatatype'’．Thispaperdo部researchondataminingclassificationbasedonmulnpleclassifiersfusionmethod．AndthismethodisappliedOncollegestudentpersonalcred

7、itclassification．11"mainworkandachievementsofthispap口aresummarized∞follows：Firstly,itanalyzesthebasictheoryofdatamining,classifierandmul卸Ieelassifiersfusion．ThisisthebaseforresearchonclassificationarithmeticbasedOilmultipleclassifiersfusion，anditsapplicatio

8、nonstudentcreditclassification．Secondly,theclassificationarithmeticisdesigned,byBPneuralnetworkfusionbasedOUAdaBoost．Theprimarypartsandconformationmdiscussed．Throekeyproblemssuchasadjustingtheweightoft