面向高維數(shù)據(jù)挖掘的特征選擇方法研究.pdf

1、數(shù)據(jù)挖掘是目前國際上數(shù)據(jù)庫和信息決策領(lǐng)域最前沿的研究方向之一。由于高維數(shù)據(jù)日益成為主流，在實(shí)際應(yīng)用中經(jīng)常會遇到高維數(shù)據(jù)的情況，對高維數(shù)據(jù)挖掘的研究有著越來越重要的意義。但高維數(shù)據(jù)本身獨(dú)有的一些特點(diǎn)，使得高維數(shù)據(jù)挖掘變的非常困難，因此必須采用一些特殊的方法進(jìn)行研究處理。 本文從數(shù)據(jù)挖掘的概念及高維數(shù)據(jù)的特點(diǎn)入手，圍繞著“面向高維數(shù)據(jù)挖掘的特征選擇方法”這一核心思想，探討了分別應(yīng)用于文本數(shù)據(jù)和基因表達(dá)數(shù)據(jù)的特征選擇方法。 針

2、對文本數(shù)據(jù)，采用詞的quality標(biāo)準(zhǔn)進(jìn)行特征選擇及降維，同時在稀疏向量篩除、基于密度及散布的初始中心點(diǎn)搜索等方法進(jìn)行改進(jìn)，提出了一種面向文本聚類的改進(jìn)的K均值算法。通過采用20NewsGroup數(shù)據(jù)集進(jìn)行實(shí)驗，結(jié)果表明，改進(jìn)后的算法無論在聚類精度還是在穩(wěn)定性方面，都明顯優(yōu)于標(biāo)準(zhǔn)的K均值算法。 對于基因表達(dá)數(shù)據(jù)，提出了一種新的面向基因表達(dá)高維數(shù)據(jù)的特征選擇方法，特征子集的搜索采用遺傳算法進(jìn)行隨機(jī)搜索，特征子集的評價采用基于邊界點(diǎn)