基于多分類器融合的數(shù)據(jù)挖掘分類算法研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘分類算法是數(shù)據(jù)挖掘研究的一個重要課題，已在商業(yè)等領(lǐng)域廣泛應(yīng)用。學(xué)生信用分類是典型的分類挖掘問題，屬于信用分類的范疇，同時也是一個新的應(yīng)用研究課題。如何采用多分類器融合的方法綜合不同分類器的信息，避免單一分類器可能存在的片面性，從而提高分類的性能，已成為數(shù)據(jù)挖掘分類算法研究的熱點問題。 本論文依托教育部“春暉計劃”科研項目“高校學(xué)生個人信用評價管理系統(tǒng)研究”和重慶市自然科學(xué)基金計劃項目“面向混合數(shù)據(jù)類型的通用數(shù)據(jù)挖掘模式研

2、究”，采用多分類器融合的方法研究數(shù)據(jù)挖掘分類算法，并將該方法用于學(xué)生信用分類。本文的主要研究工作和成果概括如下： 首先，分析了數(shù)據(jù)挖掘、數(shù)據(jù)挖掘的分類器、多分類器融合的基本理論和方法，為研究基于多分類器融合的分類算法，及其在學(xué)生信用分類數(shù)據(jù)挖掘的應(yīng)用打下基礎(chǔ)。 其次，設(shè)計了基于AdaBoost的BP神經(jīng)網(wǎng)絡(luò)融合分類算法，著重討論了算法的主要組成部分和基本分類器的構(gòu)造，以及調(diào)整樣本權(quán)重、訓(xùn)練神經(jīng)網(wǎng)絡(luò)基本分類器、確定基本分類

3、器權(quán)重這三個算法流程中的關(guān)鍵問題。 最后，將多分類器融合方法與項目實際需求相結(jié)合用于學(xué)生信用分類。選擇學(xué)生信用分類的數(shù)據(jù)項并進行分類挖掘數(shù)據(jù)預(yù)處理，建立了基于多分類器融合的學(xué)生信用分類模型，通過仿真驗證了該算法能有效提高基本分類器的精度和泛化能力，用于學(xué)生信用分類是有效和可行的。在高校學(xué)生個人信用評價管理系統(tǒng)的基礎(chǔ)上，設(shè)計和實現(xiàn)了學(xué)生信用分類模塊。 本文的研究成果為學(xué)生信用分類和助學(xué)貸款的發(fā)放提供了決策依據(jù)，同時也對信用