復(fù)雜數(shù)據(jù)分類方法及其應(yīng)用研究.pdf

1、現(xiàn)代電子商務(wù)的迅速發(fā)展和知識(shí)管理技術(shù)的進(jìn)步使得現(xiàn)在的數(shù)據(jù)收集變得更加容易和迅速。如何從海量數(shù)據(jù)中挖掘出有效的信息成為眾多領(lǐng)域重點(diǎn)關(guān)注的研究問(wèn)題。近來(lái)，復(fù)雜高維數(shù)據(jù)存在的“維災(zāi)難”問(wèn)題成為數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)。分類是有效分析數(shù)據(jù)的一種方法，然而隨著數(shù)據(jù)集呈現(xiàn)出越來(lái)越高的維度，其中一些不相關(guān)或冗余特征大大增加了分類處理的難度。
　　本文以對(duì)各類別樣本發(fā)現(xiàn)具有顯著鑒別能力的類特征子空間、從而提高分類準(zhǔn)確率為研究目標(biāo)，利用Filter模

2、型的高效率及Wrapper模型的高性能，結(jié)合“最大相關(guān)-最小冗余(mRMR)”方法和改進(jìn)后的遺傳算法設(shè)計(jì)了一種有效的基于類的兩階段特征子空間選擇分類方法。首先，在 Filter階段使用 mRMR標(biāo)準(zhǔn)預(yù)選一定數(shù)量的特征作為候選特征子集；然后，在Wrapper階段設(shè)計(jì)特征子空間優(yōu)化的GA-SVM算法。GA-SVM將SVM分類器訓(xùn)練與類特征子空間優(yōu)化同時(shí)進(jìn)行。在UCI數(shù)據(jù)集上的仿真實(shí)驗(yàn)結(jié)果也表明該分類方法相比于其他已有特征選擇分類算法具有較好