有標(biāo)簽的數(shù)據(jù)聚類(lèi)算法.pdf

1、目前大數(shù)據(jù)已迅速發(fā)展成為一個(gè)引起世界各地學(xué)術(shù)界、產(chǎn)業(yè)界甚至政府高度重視的熱議話題，數(shù)據(jù)挖掘技術(shù)進(jìn)步所產(chǎn)生的各種應(yīng)用程序及其影響已經(jīng)遍布到各個(gè)領(lǐng)域。在眾多數(shù)據(jù)挖掘算法中，K近鄰算法是一種穩(wěn)定有效的非參數(shù)分類(lèi)算法，已經(jīng)廣泛應(yīng)用于分類(lèi)、回歸和模式識(shí)別等領(lǐng)域中，是一種傳統(tǒng)的基于統(tǒng)計(jì)的模式識(shí)別方法。但K近鄰算法在面對(duì)不平衡樣本集時(shí)難以得到正確分類(lèi)。本文正是在K近鄰算法的基礎(chǔ)上，針對(duì)不平衡樣本集進(jìn)行了相關(guān)研究。
　　本文提出了一種新穎的帶權(quán)重

2、的數(shù)據(jù)聚類(lèi)算法——有標(biāo)簽的數(shù)據(jù)聚類(lèi)算法。本算法是從數(shù)據(jù)預(yù)處理與權(quán)重參數(shù)計(jì)算這兩個(gè)方面來(lái)解決樣本集不平衡的問(wèn)題的。本算法在讀取數(shù)據(jù)集后，首先要對(duì)數(shù)據(jù)集樣本進(jìn)行標(biāo)注化預(yù)處理操作，旨在消除各維度的量綱影響，從而使各維度之間具有綜合性。核心內(nèi)容是構(gòu)造帶有權(quán)重參數(shù)的等高線函數(shù)。權(quán)重參數(shù)的計(jì)算方法是參照皮爾森相關(guān)系數(shù)原理，使樣本距離與標(biāo)簽之間具有最大相關(guān)性，通過(guò)迭代求解出來(lái)的。之后再將權(quán)重參數(shù)帶回到等高線函數(shù)中求得最近鄰居。最后通過(guò)對(duì)比最近兩代鄰居