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》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