knn算法改进及基于all-confidence模式的分类算法探讨

《knn算法改进及基于all-confidence模式的分类算法探讨》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、漳州师范学院硕士学位论文KNN算法改进及基于all-confidence模式的分类算法探讨姓名：张玲珠申请学位级别：硕士专业：计算机应用技术指导教师：周忠眉20100601KNN算法改进及基于all-confidence模式的分类算法探讨摘要数据挖掘是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的模型或规则等有用知识的一个复杂过程。分类挖掘是数据挖掘的重要任务之一，它在很多领域得到了广泛的应用，如医学诊断、语音识别、人脸识别、雷达探测等。不同的分类方法都具有自己的优点,也具有一定的局限性,它们都是针对不同的问题而设计的，对于不同的数据得

2、到不同的准确率。本文针对KNN分类算法及基于关联规则的分类算法提出了改进。传统的KNN算法只考虑k个近邻的个数，或k个近邻的平均相似度，当某个类别的近邻样本点个数比较多，但是它与未知样本的相似度都较小，会出现误判，此外不同类别的近邻样本点个数相等或平均相似度一样时，会造成无法判断，因而使得准确率不高。本文提出了KNN分类算法的一种改进，即结合属性值贡献度、平均相似度以及近邻个数的KNN改进算法，并在蘑菇数据集上进行实验结果表明,改进后的KNN分类算法的准确率比传统的k-近邻分类算法的准确率更高。频繁模式挖掘得到的所有模式不都是用户感兴趣的模式

3、，当预先给定的最小支持度阀值太低时，结果模式往往非常大量，从中提取的规则也非常多，且频繁模式中各个属性值之间的关联程度非常小，不能真正反映属性值间的关系。本文提出了基于all-confidence模式的分类算法，该算法不仅考虑了单个属性值的发生，而且考虑了属性值之间的关联，能够找出更有意义的规则用于分类。同样地在蘑菇数据集上进行实验，结果表明，基于all-confidence的模式的分类算法比基于频繁模式的分类算法的准确率更高。关键词：KNN算法；平均相似度；频繁模式；all-confidence模式I漳州师范学院工学硕士学位论文Abstra

4、ctDataminingisacomplexprocesswhichextractstheimplicit，previouslyunknown，valuableandusefulknowledgefromthedatabase.Classificationminingisoneoftheimportanttasksofdatamining,whichhavebeeninwideapplications,suchasmedicaldiagnosis,speechrecognition,facerecognition,radarprobeands

5、oon.Differentclassificationalgorithmswhichweredesignedfordifferentproblemshastheiradvantagesandalsohassomelocations.Theycanabtaindifferentaccuracyfordifferentdata.WeproposesomeimprovementsonKNNandclassificationalgorithmbasedonassociationrules.TraditionalKNNalgorithmsonlycon

6、siderthenumberofnearestneighbors,oraveragesimilarity.Whenthenumberofthenearestneighborswaslarge,butthesimilaritybetweenthesmaplesofthiscategoryandtheunknownsamplewasrelativelysmall,itwillappearthefalsejudgement.Whenthenumberofthenearestneighborsortheaveragesimilaritywasthes

7、ame,itwillbeunabletoabtaintheresult.ThenanimprovedKNNalgorithmbasedoncontributionofattributevalue、averagesimilarityandthenumberofthesimilarsamplesisproposedinthispaper.Weperformtheexperimentsonmushroomdatasets.Theexperimentalresultsshowthatourapproachhashigheraccuracythanth

8、etraditionalK-nearestneighboralgorithm.Notallthepatternsinthefrequentpatternmingin