GSwMKnn：基于类别基尼系数子空间的加权互K近邻算法.pdfVIP

2014年 第23卷 第 2期 http：／／www．c—S—a．org．cn 计 算 机 系 统 应 用 GSwMKnn：基于类别基尼系数子空间的加权互K近 邻算法① 陈雪云 ，一，卢伟胜 (龙岩学院 数学与计算机科学学院，龙岩 364012) 。(福建师范大学 数学与计算机科学学院，福州 350007) 摘 要：在高维数据空间中，存在大量冗余或无用的属性，这使得在子空间中寻找 目标类更为有效．为此文章提 出基于类别基尼系数子空间的加权互 k近邻算法，利用类别基尼系数求出其对应的软子空间并将待分类样本和 训练样本投影到各个类别子空间中，再在各软子空间中使用类别基尼系数加权距离互 k近邻算法计算出待分类 样本在各个子空间的投票权重并叠加，最终得出待分类样本的类标签．在公共数据集上的实验结果验证了该方 法的有效性． 关键词：类属性数据；子空间；互k．近邻：基尼系数 GSwMKnn：W eightedM KnnAlgorithm BasedontheCategory’sGiniSubspace CHEN Xue．Yun ，_．LUWei．Sheng (SchoolofMathematicsandComputerScience，LongyanUniversity,Longyan364012，China) (SchoolofMathematicsandComputerScience，FujianNormalUniversiyt,Fuzhou350007，China) Abstract：Inhigh—dimensionaldataspaces，thereexistsalargenumberofredundantoruselessattributes，andthereforeit mightbemoreeffectivetofindtargetclassintheirsubspaces．A weightedMKnnalgorithm basedontheCategory’SGini Coeffi cientsubspaceisproposedinthispaper．UsingtheCategory ’SGiniCoefficient，thealgorithm firstlycalculatesthe correspondingsoftsubspaces，andprojectsthetrainingandtestingsamplesontoeachcategorysubspaces．Secondly,it calculatesthevoteweightsofunclassified sampleson each subspaceby theweighted MKnn algorithm and then accumulatesthem．Finally,itobtainsthecategory labelsofunclassifiedsamples．TheexperimentalresultsonsomeUCI publicdatasetsdemonstratetheeffectivenessoftheproposedmethod． Keywords：nominaldata；subspace；mutualk—nearestneighbor；Giniindex 数据挖掘研究领域涉及数据库和人工智能等学科， 新建立分类模型；而 Eager分类算法只需建立一次分 是当前相当活跃的研究领域，是指从大型数据库 中， 类模型，之后就可利用该分类模型对待分类样本进行 挖掘潜在 的，未知模式 的过程 ．其 中，分类 (Data 分类．许多传统的分类算法，如 k近邻(K皿)，朴素贝 Classification)在实际应用中得到广泛运用，也是数据 叶斯(NBC)，支持 向量机(SVM)~I决策树算法(C4．5)已 挖掘 中非常重要的任务之一．分类的目的是学会一个 被广泛应用于入侵检测、故障监测、信用卡欺诈分析 分类 函数或者分类模型(也常常称为分类器)，该模型 等领域． 能把数据库中的数据项映射到给定类别 中的某一个． k近邻(K加)是由 Cover和 Hart[]提出的一个有 分类算法一般分为 Lazy和 Eager两种类型 ”．Lazy 效和强大的懒惰学习算法．它的分类思想是：给定一 分类算法，每当对一个待分类样本进行分类时需要重