基于k近邻集成算法的分类挖掘研究

基于k近邻集成算法的分类挖掘研究

ID:33222639

大小:2.46 MB

页数:55页

时间:2019-02-22

基于k近邻集成算法的分类挖掘研究_第1页
基于k近邻集成算法的分类挖掘研究_第2页
基于k近邻集成算法的分类挖掘研究_第3页
基于k近邻集成算法的分类挖掘研究_第4页
基于k近邻集成算法的分类挖掘研究_第5页
资源描述:

《基于k近邻集成算法的分类挖掘研究》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、西北大学硕士学位论文基于K近邻集成算法的分类挖掘研究姓名:孙凉艳申请学位级别:硕士专业:计算机应用技术指导教师:陈莉20100621摘要随着数据库和互联网技术的迅猛发展,数据挖掘技术得到了进一步的发展和广泛关注。分类数据挖掘作为数据挖掘中一个重要的研究内容,已经被广泛应用于模式识别、人工智能和知识工程等领域。所以,对它进行深入研究不仅有着重要的理论意义,而且在现实中有着重要的应用价值。本文主要包含了以下几个方面的内容:1.概述了数据挖掘中的分类技术,深入分析了分类挖掘的主要算法,重点介绍了k近邻分类算法的原理及发展现状

2、。2.提出了基于模拟退火算法的组合k近邻分类器,通过引入模拟退火技术实现随机特征子集的选择,然后利用投票法决定组合分类器最终的输出。仿真实验证明该方法的分类性能优于传统k近邻方法的分类性能。3.针对模拟退火算法的搜索过程是随机的,经典模拟退火算法的停止准则不能确保解的质量这一问题,弓f入了改进的模拟退火算法。在此基础上,进一步提出了基于改进模拟退火的组合k近邻分类算法。仿真实验表明,基于改进模拟退火的组合k近邻分类算法较基于模拟退火的组合k近邻分类算法有更好的分类性能。4.针对传统k近邻分类算法在高维数据空间分类速度较

3、慢的问题,提出了基于模糊粗糙集的快速k近邻分类算法,考虑由于类的重叠和属性不足导致的模糊和粗糙不确定性,同时引入p-tree数据结构来改进传统k近邻分类算法。与传统k近邻分类算法和模糊粗糙k近邻分类算法相比,该方法不仅可以改善分类性能,而且可以提高分类器的速度。仿真实验证明了该方法的有效性和可行性。关键词:分类,k近邻,模拟退火,模糊集,粗糙集AbstractWiththerapiddevelopmentofdatabasetechnologyandInternettechnology,dataminingtechno

4、logyhasbeenfurtherdevelopmentandwidespreadconcern.Meanwhile,classificationdataminingasanimportantresearchcontenthasbeenwidelyusedinpatternrecognition,artificialintelligenceandknowledgeengineering.Therefore,researchingintothesubjectnotonlyhasimportanttheoreticals

5、ignificance,butalsohasimportantapplicationsinreality.Thethesiscontainsthefollowingaspects:1.Anoverviewofclassificationtechnologyandanalysisofthemainclassificationalgorithm,focusesontheprincipleofknearestneighborclassificationalgorithmandthedevelopmentpresent.2.A

6、nimprovedcombinationknearestneighborsmethodbasedonsimulationannealingisproposed,whichintroducethesimulatedannealingtechnologytoachieverandomfeaturesubsetselection,andthenuseVoteActtodecidethefinaloutputofcombinationclassifier.Itisshownthattheclassificationperfor

7、manceisbetterthanthetraditionalknearestneighboralgorithmfromthesimulationexperiment.3.Inviewofthesearchprocessofsimulatedannealingalgorithmisrandom,theclassicsimulatedannealingalgorithmstoppingcriteriondoesnotensurethequalityofsolutions,theimprovedsimulatedannea

8、lingalgorithmisintroduced.Onthebasis,thecombinationknearestneighborsmethodbasedonimprovedsimulatedannealingisfurtherproposed.Thesimulationexperimentalshowsthatthecomb

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。