有標(biāo)簽的數(shù)據(jù)聚類算法.pdf

1、目前大數(shù)據(jù)已迅速發(fā)展成為一個引起世界各地學(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)分類算法，已經(jīng)廣泛應(yīng)用于分類、回歸和模式識別等領(lǐng)域中，是一種傳統(tǒng)的基于統(tǒng)計(jì)的模式識別方法。但K近鄰算法在面對不平衡樣本集時難以得到正確分類。本文正是在K近鄰算法的基礎(chǔ)上，針對不平衡樣本集進(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)聚類算法——有標(biāo)簽的數(shù)據(jù)聚類算法。本算法是從數(shù)據(jù)預(yù)處理與權(quán)重參數(shù)計(jì)算這兩個方面來解決樣本集不平衡的問題的。本算法在讀取數(shù)據(jù)集后，首先要對數(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，通過迭代求解出來的。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。最后通過對比最近兩代鄰居