挖掘数据模式结构信息的混合数据分类方法

作者：王惠宇; 顾苏杭^*

来源：计算机测量与控制, 2019, 27(04): 190-217.

DOI：10.16526/j.cnki.11-4762/tp.2019.04.043

• 模式结构
• 复杂网络
• 高级分类方法
• 结构效率
• 节点重要性

数据集中数据之间往往相互关联,所有数据整体上呈现特定的模式结构,而传统分类方法 (如支持向量机)忽略数据关联信息,仅仅利用数据的物理特征(如距离、相似性等)构建数据分类模型,并在分类阶段计算测试样本与所建立分类模型间的相似性来预测测试样本的标签类型;为了解决传统分类方法利用单一数据信息的问题,提出一种挖掘数据模式结构信息的混合数据分类方法;该方法融合了两种不同类型的分类技术,将使用单一数据物理特征的传统分类方法作为普通分类方法,将利用数据模式结构信息的分类方法作为高级分类方法;尤其是该方法不仅可有效地识别数据模式结构信息以提高数据分类性能,还能提高传统分类方法的泛化能力;在人造数据集和UCI真实数据集上的大量实验结果表明了该混合数据分类方法的有效性,其分类性能优于传统分类方法。

• 单位
  江南大学; 常州轻工职业技术学院