面向不確定數(shù)據(jù)的最近鄰分類方法研究.pdf

1、分類號：密級：學校代碼：學號：遣掌坪筢大學碩士學位論文②10165201211001153面向不確定數(shù)據(jù)的最近鄰分類方法研究作者姓名：郎泓鈺學科、專業(yè)：計算機科學與技術(shù)研究方向：導師姓名：數(shù)據(jù)挖掘任永功教授2015年6月遼寧師范大學碩士學位論文摘要數(shù)據(jù)分類是數(shù)據(jù)挖掘和機器學習的基本任務，已經(jīng)在眾多應用領(lǐng)域里取得了巨大進步。分類的目的是：分析輸入數(shù)據(jù)，通過在訓練集中的數(shù)據(jù)表現(xiàn)出來的特性，為每一個類找到一種準確的描述或者模型。這種描述常常用

2、謂詞表示。由此生成的類描述用來對測試數(shù)據(jù)進行分類。盡管這些測試數(shù)據(jù)的類標簽是未知的，我們?nèi)钥梢杂纱祟A測這些新數(shù)據(jù)所屬的類。注意是預測，而不能肯定。傳統(tǒng)分類技術(shù)通常用于處理具有確定的特征向量值的數(shù)據(jù)，數(shù)據(jù)的不確定性在學習問題辨析上被忽略了。然而必須指出由于數(shù)據(jù)可能包含錯誤或者只有部分被存儲，所以在真實數(shù)據(jù)上有很多方面會產(chǎn)生數(shù)據(jù)的不確定性。如何高效的處理帶有誤差的不確定性數(shù)據(jù)依然是數(shù)據(jù)挖掘領(lǐng)域里的一項挑戰(zhàn)。雖然傳統(tǒng)的數(shù)據(jù)分類算法往往都假定采

3、集到的數(shù)據(jù)是精確的，不存在任何誤差，但是，在大部分的應用領(lǐng)域中，時常有采集樣本自身存在誤差，儀器的精度誤差情況或是出于保護隱私的原因需要對采集的數(shù)據(jù)進行某些干預，從而影響數(shù)據(jù)自身是不確定的。因此，不確定性數(shù)據(jù)的特征值就不是某個單一的值，而是存在于某個區(qū)間內(nèi)，并且服從某個概率分布。目前已經(jīng)可以擴展某些傳統(tǒng)的經(jīng)典分類算法，比如決策樹，支持向量機等，用來處理不確定性數(shù)據(jù)。然而本文在處理不確定性數(shù)據(jù)分類的問題時，鑒于傳統(tǒng)的分類方法在處理不確定性

4、數(shù)據(jù)時可能返回一個概率接近于零的類，即可能無法保證返回類的質(zhì)量，因此基于將最近鄰規(guī)則擴展到處理不確定性數(shù)據(jù)的情況是可行的前提下，提出了不確定性最近鄰規(guī)則。不確定性最近鄰規(guī)則依賴于最近鄰的類的概念而不是最近鄰的對象。測試對象的最近鄰類是取可以滿足它最近鄰類中的最大概率值的類。實驗證明前者的概念要比后者在處理不確定性數(shù)據(jù)問題上更有利。設(shè)計一個用來對測試對象進行分類的有效的最近鄰分類算法。給出的實驗結(jié)果，表明不確定最近鄰規(guī)則是有效的和高效的分