基于改進的K-均值算法的樸素貝葉斯分類及應(yīng)用.pdf

1、數(shù)據(jù)挖掘，又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是指從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取具有潛在應(yīng)用價值的知識或模式。分類是數(shù)據(jù)挖掘領(lǐng)域中一個重要的研究分支?；跇闼刎惾~斯技術(shù)的分類是當前數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點。但樸素貝葉斯分類的條件獨立性假設(shè)和數(shù)據(jù)完備性要求限制了實際數(shù)據(jù)的應(yīng)用。本文利用改進的K-均值算法對缺失數(shù)據(jù)進行處理，提高了樸素貝葉斯分類的精確度。主要工作如下： 1、提出了一種基于改進的K-均值算法IKM，改進后的IKM算法結(jié)合了分層聚類

2、和K．均值算法的各自優(yōu)點，同時也克服了它們原來的缺點。IKM算法的基本思想是：首先進行分層聚類，得到一些初始信息(即分類的數(shù)目K的值和初始的聚類中心)，然后運用K-均值算法進行精化，最后得到質(zhì)量較高的聚類結(jié)果。 2、建立了基于IKM算法的樸素貝葉斯分類模型(IKMNBC)。利用IKM算法先對原始數(shù)據(jù)中的完整數(shù)據(jù)子集進行聚類，計算缺失數(shù)據(jù)子集中的每條記錄與K個簇中心的相似度，將記錄劃分到距離最近的一個簇中，并用該簇中相應(yīng)屬性的均值