關(guān)于不平衡缺失數(shù)據(jù)的分類算法研究.pdf

1、21世紀(jì)科學(xué)技術(shù)的快速發(fā)展尤其是計(jì)算機(jī)技術(shù)更是取得了日新月異的成就，海量數(shù)據(jù)存儲以及處理成為了可能。通過數(shù)據(jù)挖掘的方法來獲取更多的決策信息是未來各行各業(yè)發(fā)展的趨勢。在使用數(shù)據(jù)挖掘處理數(shù)據(jù)的過程，研究者經(jīng)常會遇到不平衡缺失數(shù)據(jù)的問題。如在信用卡欺詐應(yīng)用場景中，欺詐數(shù)據(jù)相對于正常數(shù)據(jù)較少，由于數(shù)據(jù)采集過程中，經(jīng)常出現(xiàn)數(shù)據(jù)缺失，從而產(chǎn)生了不平衡缺失數(shù)據(jù)集。由于數(shù)據(jù)不平衡，缺失的特點(diǎn)，傳統(tǒng)的分類算法難以有良好的效果。
　　本文首先對缺失數(shù)

2、據(jù)集，不平衡數(shù)據(jù)集的特點(diǎn)進(jìn)行了闡述，介紹了主流的處理此問題的方法。對此本文提出了相應(yīng)的改進(jìn)方法用以實(shí)現(xiàn)不平衡缺失數(shù)據(jù)的分類問題。本文的主要成果：
　　針對傳統(tǒng)的缺失數(shù)據(jù)處理方法：KNN插值算法，存在多維數(shù)據(jù)集上的K近鄰稀疏，K近鄰距離倒數(shù)權(quán)重加權(quán)時(shí)不穩(wěn)定問題，提出了基于變量聚類的距離公式來計(jì)算樣本間距離，并使用指數(shù)反距離權(quán)重公式對近鄰進(jìn)行加權(quán)平均。得到了FC_KNN(Feature cluster KNN)算法。
　　針對處