多尺度分类挖掘方法

发布时间：2023-03-21 20:32

　　分类挖掘作为数据挖掘的一个重要分支,其实质在于利用已有数据分析建模,对未知数据进行预测。多尺度分类挖掘是典型的跨学科课题,旨在将多尺度科学与分类技术相结合,多方位对数据进行分析,得到不同层次分类模型,学习更全面的信息。目前,多尺度分类研究已取得一定成果,可有效提高分类性能,但多局限于图像、空间数据。研究表明,对一般数据集进行多尺度挖掘探索也已初见成效,如多尺度聚类、多尺度关联规则,但在分类领域还有待完善。针对上述问题,尝试进行普适性多尺度分类挖掘方法的研究,不仅扩大多尺度适用范围,还可提高分类效率。论文从空间数据估计角度出发,结合层次理论和尺度特性,基于概率密度估计离散化方法,研究一般数据集下多尺度分类挖掘的转换方法。针对数据的多尺度特性进行分类挖掘,以非局部均值和双立方插值为理论基础,利用Q统计和不一致度量进行操作,提出多尺度分类尺度上推算法和多尺度分类尺度下推算法。论文的主要工作包括以下几方面:(1)研究多尺度分类理论基础。首先,针对分类挖掘的特点,结合离散化方法,依据尺度特性,参照等价划分模型,选取待划分的尺度,确定尺度层数;其次,分析范围尺度和粒度尺度,依据表征尺度的属性取值计...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及研究意义
    1.2 国内外研究现状
        1.2.1 分类挖掘
        1.2.2 尺度转换
        1.2.3 多尺度数据挖掘
    1.3 论文主要研究内容
    1.4 论文组织与架构
2 分类挖掘
    2.1 分类数据挖掘
        2.1.1 分类挖掘概念
        2.1.2 分类挖掘步骤
    2.2 分类应用举例
    2.3 分类算法
        2.3.1 基于距离的分类
        2.3.2 基于统计的分类
        2.3.3 基于判别的分类
        2.3.4 基于软计算的分类
        2.3.5 其他分类算法
    2.4 分类算法的评价标准
    2.5 本章小结
3 多尺度分类挖掘框架
    3.1 分布式数据挖掘
        3.1.1 分布式数据挖掘框架
        3.1.2 分布式数据挖掘研究难题
    3.2 多尺度数据挖掘
        3.2.1 多尺度数据挖掘概念
        3.2.2 多尺度数据挖掘步骤
        3.2.3 多尺度数据挖掘应用举例
        3.2.4 多尺度数据挖掘与分布式数据挖掘比较
    3.3 多尺度分类架构
        3.3.1 多尺度数据集构建
        3.3.2 基准尺度选择
        3.3.3 多尺度分类定义
        3.3.4 多尺度分类实质
        3.3.5 多尺度分类体系架构
    3.4 本章小结
4 多尺度分类算法
    4.1 分类信息处理机制
    4.2 尺度上推算法UAMSC
        4.2.1 理论基础
        4.2.2 算法的基本思想
        4.2.3 算法描述
    4.3 尺度下推算法DAMSC
        4.3.1 理论基础
        4.3.2 算法的基本思想
        4.3.3 算法描述
    4.4 本章小结
5 实验与分析
    5.1 数据集
    5.2 实验环境
    5.3 评价指标
        5.3.1 CA
        5.3.2 F1-score
        5.3.3 NMI
    5.4 实验结果
        5.4.1 尺度上推
        5.4.2 尺度下推
    5.5 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间取得的科研成果清单



本文编号：3767249