非均衡數(shù)據(jù)幾何復(fù)雜度及其應(yīng)用研究.pdf

1、分類學(xué)習(xí)是模式識(shí)別、機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的核心問題，它廣泛存在于諸多應(yīng)用領(lǐng)域。近幾十年來(lái)一直受到研究者及工程應(yīng)用人員的普遍關(guān)注，各類基礎(chǔ)算法及改進(jìn)算法層出不窮(包括數(shù)據(jù)預(yù)處理算法、分類學(xué)習(xí)算法等)，尤其是上世紀(jì)九十年代統(tǒng)計(jì)學(xué)習(xí)理論的問世標(biāo)志著人們?cè)谒惴I(lǐng)域的研究已經(jīng)比較充分。于是一個(gè)重要而亟待解決的問題逐漸浮出水面，即在實(shí)際應(yīng)用中，面對(duì)如此眾多的算法應(yīng)如何依據(jù)手頭的數(shù)據(jù)進(jìn)行選擇，從而避免盲目地多次試錯(cuò)。對(duì)于非均衡數(shù)據(jù)的分類，算法的選擇尤其

2、困難。
　　 本文圍繞分類問題中分類復(fù)雜度、數(shù)據(jù)特性衡量等問題展開研究。在深入討論TKHo等人提出的數(shù)據(jù)幾何復(fù)雜度理論的基礎(chǔ)上，對(duì)基于試錯(cuò)方法的分類學(xué)習(xí)框架進(jìn)行改進(jìn)，提出基于數(shù)據(jù)幾何復(fù)雜度的啟發(fā)式分類學(xué)習(xí)框架，并將其推廣至非均衡數(shù)據(jù)。主要研究?jī)?nèi)容及研究成果如下：
　　 首先，分析和總結(jié)了國(guó)內(nèi)外近年來(lái)對(duì)分類復(fù)雜度、數(shù)據(jù)特性衡量、非均衡分類數(shù)據(jù)平衡方法等問題的研究現(xiàn)狀。討論了分類學(xué)習(xí)領(lǐng)域算法繁多，但選擇算法的指導(dǎo)原則匱乏的尷

3、尬局面(詳見第一章)。
　　 然后，提出一種基于數(shù)據(jù)復(fù)雜度的啟發(fā)式分類學(xué)習(xí)框架。該學(xué)習(xí)框架的基本思想為：將對(duì)分類學(xué)習(xí)各環(huán)節(jié)(尤其是數(shù)據(jù)預(yù)處理、分類器選擇等問題)富有指導(dǎo)作用意義的數(shù)據(jù)幾何復(fù)雜度引入到傳統(tǒng)分類學(xué)習(xí)框架中。從而從根本上擺脫了傳統(tǒng)學(xué)習(xí)框架缺乏指導(dǎo)原則而利用代價(jià)繁重的試錯(cuò)方法的困境(詳見第二章)。
　　 其次，為將新學(xué)習(xí)框架推廣至非均衡數(shù)據(jù)，通過(guò)嚴(yán)格的統(tǒng)計(jì)實(shí)驗(yàn)，探索數(shù)據(jù)幾何復(fù)雜度在非均衡數(shù)據(jù)集上的適應(yīng)性。實(shí)驗(yàn)表明

4、數(shù)據(jù)幾何復(fù)雜度受IR(Imbalance Ratio)影響嚴(yán)重，不宜在非均衡數(shù)據(jù)上直接使用(詳見第三章)。
　　 再次，分析研究造成數(shù)據(jù)幾何復(fù)雜度受瓜影響的原因(見4.2節(jié))，然后對(duì)數(shù)據(jù)幾何復(fù)雜度中部分指標(biāo)的缺陷進(jìn)行了彌補(bǔ)，提出了非均衡數(shù)據(jù)幾何復(fù)雜度，使其能適應(yīng)非均衡數(shù)據(jù)(見4.3節(jié))。并分別在人工數(shù)據(jù)、真實(shí)數(shù)據(jù)上進(jìn)行了檢驗(yàn)，實(shí)驗(yàn)表明改進(jìn)后的指標(biāo)對(duì)非均衡數(shù)據(jù)具有良好的適應(yīng)性(詳見第四章)。
　　 最后，將上述非均衡數(shù)據(jù)幾