不平衡數(shù)據(jù)集分類算法的研究.pdf

1、隨著科技進步、計算機技術和互聯(lián)網(wǎng)資源共享的高速發(fā)展，數(shù)據(jù)挖掘成為近年來人們關注的研究熱點。數(shù)據(jù)挖掘是指從海量數(shù)據(jù)信息中獲取有效、新穎、隱含有價值的信息。不平衡數(shù)據(jù)集分類算法是數(shù)據(jù)挖掘的一個重要分支，針對不平衡數(shù)據(jù)集分類算法的研究，本文主要工作如下:
　　首先從不平衡數(shù)據(jù)集的采樣法入手，設計出約束型欠采樣法。該方法先對不平衡數(shù)據(jù)集用c-均值聚類法處理，接著對處理過的數(shù)據(jù)集進行欠采樣，減小多類樣本在數(shù)據(jù)集中的不平衡率，最后將約束型欠采

2、樣法和支持向量機算法(SVM)結合起來，對不平衡數(shù)據(jù)集進行分類研究。
　　然后研究了基于遺傳算法的不平衡數(shù)據(jù)集模糊分類系統(tǒng)的構造方法，首先采用GK聚類算法辨識初始的模糊分類系統(tǒng)，然后利用遺傳算法優(yōu)化初始的模糊分類系統(tǒng)，提高了模糊分類系統(tǒng)的精確性。
　　最后為解決模糊分類系統(tǒng)解釋性較差的問題，研究了不平衡數(shù)據(jù)集模糊分類系統(tǒng)的協(xié)同進化算法，該方法對所獲得的初始的模糊系統(tǒng)進行結構和參數(shù)的優(yōu)化，在保證精確性的前提下，最大程度提高分類