基于改進(jìn)的K-均值算法的樸素貝葉斯分類(lèi)及應(yīng)用.pdf

1、數(shù)據(jù)挖掘，又稱(chēng)數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是指從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中提取具有潛在應(yīng)用價(jià)值的知識(shí)或模式。分類(lèi)是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)重要的研究分支。基于樸素貝葉斯技術(shù)的分類(lèi)是當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的一個(gè)研究熱點(diǎn)。但樸素貝葉斯分類(lèi)的條件獨(dú)立性假設(shè)和數(shù)據(jù)完備性要求限制了實(shí)際數(shù)據(jù)的應(yīng)用。本文利用改進(jìn)的K-均值算法對(duì)缺失數(shù)據(jù)進(jìn)行處理，提高了樸素貝葉斯分類(lèi)的精確度。主要工作如下： 1、提出了一種基于改進(jìn)的K-均值算法IKM，改進(jìn)后的IKM算法結(jié)合了分層聚類(lèi)

2、和K．均值算法的各自?xún)?yōu)點(diǎn)，同時(shí)也克服了它們?cè)瓉?lái)的缺點(diǎn)。IKM算法的基本思想是：首先進(jìn)行分層聚類(lèi)，得到一些初始信息(即分類(lèi)的數(shù)目K的值和初始的聚類(lèi)中心)，然后運(yùn)用K-均值算法進(jìn)行精化，最后得到質(zhì)量較高的聚類(lèi)結(jié)果。 2、建立了基于IKM算法的樸素貝葉斯分類(lèi)模型(IKMNBC)。利用IKM算法先對(duì)原始數(shù)據(jù)中的完整數(shù)據(jù)子集進(jìn)行聚類(lèi)，計(jì)算缺失數(shù)據(jù)子集中的每條記錄與K個(gè)簇中心的相似度，將記錄劃分到距離最近的一個(gè)簇中，并用該簇中相應(yīng)屬性的均值