基于EP模式的高維數(shù)據(jù)分類算法研究.pdf

1、近年來，隨著信息采集技術(shù)和數(shù)據(jù)處理能力的迅速發(fā)展和廣泛應(yīng)用，眾多領(lǐng)域如科學(xué)研究、生物醫(yī)學(xué)、網(wǎng)絡(luò)通信、商業(yè)等出現(xiàn)了大量高維數(shù)據(jù)，因而對(duì)高維數(shù)據(jù)進(jìn)行分類成為數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)。由于“維度效應(yīng)”的原因，許多在低維數(shù)據(jù)空間中表現(xiàn)良好的分類方法，運(yùn)用于高維數(shù)據(jù)集時(shí)，因過高的計(jì)算復(fù)雜度等因素導(dǎo)致分類效果不理想，因此，構(gòu)建面向高維數(shù)據(jù)集的有效分類算法成為數(shù)據(jù)挖掘領(lǐng)域的重點(diǎn)和難點(diǎn)問題。
　　本文針對(duì)高維數(shù)據(jù)分類問題進(jìn)行了以下研究：
　　

2、(1)討論高維數(shù)據(jù)及其分類方法，并分析了傳統(tǒng)分類方法及其在面向高維數(shù)據(jù)分類算法的不足。
　　(2)引入了一種適用于高維數(shù)據(jù)的EP模式分類算法，詳細(xì)介紹了EP模式，挖掘方法及分類器。在此基礎(chǔ)上概述了EP模式分類器的性能，探討了EP模式分類器應(yīng)用在高維數(shù)據(jù)上會(huì)產(chǎn)生過多的EP模式的問題及對(duì)分類精度的影響。
　　(3)針對(duì)EP模式分類器應(yīng)用在高維數(shù)據(jù)分類時(shí)，因存在冗余及無關(guān)特征而導(dǎo)致產(chǎn)生大量冗余及無關(guān)EP模式這一問題，將特征選擇方法

3、融入于EP模式分類算法中，通過特征選擇去除高維數(shù)據(jù)中的冗余及無關(guān)特征，從而去除EP模式中的冗余及無關(guān)EP模式，由此而提出兩種分別適用于連續(xù)型數(shù)據(jù)及離散型數(shù)據(jù)的分類算法，即基于Lasso的EP模式分類算法和基于因果關(guān)系的EP模式分類算法(其中，Lasso是一種基于線性統(tǒng)計(jì)回歸模型的特征選擇方法)。
　　(4)針對(duì)基于線性回歸的Lasso特征選擇應(yīng)用于超高維數(shù)據(jù)時(shí)可能會(huì)出現(xiàn)計(jì)算量過大及過擬合問題，提出兩種改進(jìn)的lasso特征選擇方法：