數(shù)據(jù)自動(dòng)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(dòng)分類問題:討論了分類的內(nèi)涵(分類器構(gòu)造)、外延(特征選擇和規(guī)則提取)和本質(zhì),綜述分類問題國內(nèi)外的研究進(jìn)展和現(xiàn)狀;并針對(duì)數(shù)據(jù)自動(dòng)分類問題的熱點(diǎn)和難點(diǎn),研究了可伸縮特征選擇、分類器構(gòu)造的粒度變換與計(jì)算以及分布式業(yè)務(wù)環(huán)境下數(shù)據(jù)自動(dòng)分類系統(tǒng)的構(gòu)建問題.在處理海量數(shù)據(jù)時(shí),分類算法的效率至關(guān)重要.怎樣在保證結(jié)果準(zhǔn)確的前提下,給出線性和擬線性時(shí)間復(fù)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(dǎo)出評(píng)估特征的新測(cè)度,來給出可伸縮特征選擇算法:針對(duì)類別數(shù)為二的分類問題,該文從統(tǒng)計(jì)學(xué)理論出發(fā),推導(dǎo)出描述特征和類別相關(guān)性的一種測(cè)度,根據(jù)這個(gè)測(cè)度構(gòu)造出可伸縮特征選擇算法.然后證明了對(duì)于一個(gè)特征子集,該測(cè)度滿足分支界限法的單調(diào)性,并由此給出了完備的特征子集選擇算法.針對(duì)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(dǎo)出描述特征和類別相關(guān)性的另一種測(cè)度,并構(gòu)造出相關(guān)可伸縮特征選擇算法.然后將這個(gè)測(cè)度推廣到特征子集上,借助于貪心法

3、的思想,構(gòu)造出了特征子集選擇算法.該文在15個(gè)數(shù)據(jù)集上對(duì)上述算法進(jìn)行了全面實(shí)驗(yàn),并和目前國際上的其它算法進(jìn)行了比較分析.該文首先根據(jù)商空間理論,結(jié)合特征選擇的研究結(jié)果,構(gòu)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(gòu)成完備的半序格;②在不同粒度上構(gòu)造分類器的分層歸納過程,對(duì)應(yīng)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(zhì)將被保持.然后根據(jù)這個(gè)模型要求重構(gòu)分類器的特點(diǎn),給出一種遞階的RBF神經(jīng)網(wǎng)絡(luò)算法,將這種算法與粒

4、度變換模型結(jié)合,構(gòu)建出基于粒度變換的RBF神經(jīng)網(wǎng)絡(luò)分類器構(gòu)造算法.該文在14個(gè)數(shù)據(jù)集上對(duì)這個(gè)算法進(jìn)行了全面實(shí)驗(yàn),并和目前國際上的其它算法進(jìn)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(wù)環(huán)境中.在這種條件下,如何以比較小的代價(jià),實(shí)現(xiàn)分析流程自動(dòng)化的數(shù)據(jù)自動(dòng)分類系統(tǒng)顯得至關(guān)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(guān)系數(shù)據(jù)庫自動(dòng)化管理的范疇.接著分別在C/S和B/S方式下,給出