基于不平衡數據的分類方法研究.pdf

1、數據分類作為數據挖掘的一項重要任務，國內外學者進行了大量的研究。但是這些傳統(tǒng)方法都是基于平衡數據進行分類的，當基于如醫(yī)學診斷、異常檢測等領域的數據時，由于這些數據在分布上不平衡，導致了少數類的漏報，所以基于不平衡數據的分類方法是本文的研究課題。
　　本文的研究工作是：對傳統(tǒng)的分類算法進行研究，根據這些方法在不平衡數據集上的缺陷，學習了目前存在的不平衡數據分類方法；重點研究了DGC和IDGC模型，針對其局限性，提出了改進的GIDGC

2、-KNN分類模型，并進行了實驗評估。
　　(1)基礎算法研究。從傳統(tǒng)分類算法如 SVM、KNN、決策樹和 AdaBoost等進行學習，從不平衡分類算法如數據層面、代價敏感、單分類和集成學習等方面進行研究，如SMOTE、weight SVM、One Class SVM、SSLM和SMOTEBoost。
　　(2)針對 DGC和 IDGC分類模型，提出基于測地距離的局部相關分類模型GIDGC-KNN。首先從數據引力、特征權值選擇

3、、數據質點創(chuàng)建分析了DGC和IDGC的分類原理。由于這兩個模型沒有考慮數據分布性狀和待測數據近鄰類相關性而存在準確率低的問題，提出了 GIDGC-KNN模型。該模型繼承了 IDGC的引力放大系數AGC，同時結合測地距離和KNN算法得到數據分布隱含的全局幾何結構和近鄰樣本類相關性。而且該模型在數據質點創(chuàng)建過程中采用了MNP，相對于IDGC中使用的MDP一定程度保留了原始數據的分布性狀和局部相關性，體現了改進模型的先進性。
　　(3)