GSwMKnn基于类别基尼系数子空间的加权互K近邻-计算机系统应用.PDFVIP

2014 年 第 23 卷 第 2 期 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 1,2, 卢伟胜 2 1(龙岩学院 数学与计算机科学学院, 龙岩 364012) 2(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: Weighted MKnn Algorithm Based on the Category’s Gini Subspace CHEN Xue-Yun1,2, LU Wei-Sheng2 1(School of Mathematics and Computer Science, Longyan University, Longyan 364012, China) 2(School of Mathematics and Computer Science, Fujian Normal University, Fuzhou 350007, China) Abstract: In high-dimensional data spaces, there exists a large number of redundant or useless attributes, and therefore it might be more effective to find target class in their subspaces. A weighted MKnn algorithm based on the Category’s Gini Coefficient subspace is proposed in this paper. Using the Categorys Gini Coefficient, the algorithm firstly calculates the corresponding soft subspaces, and projects the training and testing samples onto each category subspaces. Secondly, it calculates the vote weights of unclassified samples on each subspace by the weighted MKnn algorithm and then accumulates them. Finally, it obtains the category labels of unclassified samples. The experimental results on some UCI public datasets demonstrate the effectiveness of the proposed method. Key words: nominal data; subspace; mutual k-nearest neighbor; Gini index 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