數(shù)據(jù)自動分類問題的研究.pdf

1、該文比較全面和深入地探討了數(shù)據(jù)自動分類問題:討論了分類的內涵(分類器構造)、外延(特征選擇和規(guī)則提取)和本質,綜述分類問題國內外的研究進展和現(xiàn)狀;并針對數(shù)據(jù)自動分類問題的熱點和難點,研究了可伸縮特征選擇、分類器構造的粒度變換與計算以及分布式業(yè)務環(huán)境下數(shù)據(jù)自動分類系統(tǒng)的構建問題.在處理海量數(shù)據(jù)時,分類算法的效率至關重要.怎樣在保證結果準確的前提下,給出線性和擬線性時間復雜度的算法--這就是可伸縮性問題.而目前并沒有可伸縮的特征選擇算法.該

2、文通過推導出評估特征的新測度,來給出可伸縮特征選擇算法:針對類別數(shù)為二的分類問題,該文從統(tǒng)計學理論出發(fā),推導出描述特征和類別相關性的一種測度,根據(jù)這個測度構造出可伸縮特征選擇算法.然后證明了對于一個特征子集,該測度滿足分支界限法的單調性,并由此給出了完備的特征子集選擇算法.針對類別數(shù)大于二的分類問題,該文從信息熵理論出發(fā),推導出描述特征和類別相關性的另一種測度,并構造出相關可伸縮特征選擇算法.然后將這個測度推廣到特征子集上,借助于貪心法

3、的思想,構造出了特征子集選擇算法.該文在15個數(shù)據(jù)集上對上述算法進行了全面實驗,并和目前國際上的其它算法進行了比較分析.該文首先根據(jù)商空間理論,結合特征選擇的研究結果,構建了一種粒度變換模型.并在理論上證明了:①這種粒度變換構成完備的半序格;②在不同粒度上構造分類器的分層歸納過程,對應著在半序格樹上的搜索;③粒度變換中,分類判別函數(shù)的根本性質將被保持.然后根據(jù)這個模型要求重構分類器的特點,給出一種遞階的RBF神經網(wǎng)絡算法,將這種算法與粒

4、度變換模型結合,構建出基于粒度變換的RBF神經網(wǎng)絡分類器構造算法.該文在14個數(shù)據(jù)集上對這個算法進行了全面實驗,并和目前國際上的其它算法進行了比較分析.目前企事業(yè)單位的數(shù)據(jù)都處于分布式業(yè)務環(huán)境中.在這種條件下,如何以比較小的代價,實現(xiàn)分析流程自動化的數(shù)據(jù)自動分類系統(tǒng)顯得至關重要.該文首先基于數(shù)據(jù)倉庫的思想,提出了數(shù)據(jù)模式和分析模式二元組的概念,把分類分析的流程管理,納入到了關系數(shù)據(jù)庫自動化管理的范疇.接著分別在C/S和B/S方式下,給出