基于数据模式识别整合框架的SOFM-SVM模型及其应用.docVIP

基于数据模式识别整合框架的SOFM-SVM模型及其应用 基于数据模式识别整合框架的SOFM-SVM模型及其应用 中文摘要 在当前数据模式识别理论和方法研究的基础上,针对在无监督聚类和有监督 分类两种识别方法在独立用以进行样本分类,特别是给无类标志样本分类时存在 的不足之处,提出了一种先聚类后分类的结合应用思路(C2CMA),将聚类方法 和分类方法整合起来解决模式识别问题;并提出一个称为数据模式识别整合框架 (DPRIF)的功能、方法整合策略,用以在无先验类别信息的条件下实现数据模 式发现和解释,构造具备较高稳定性和分类精度、可用于判断和预测新数据的分 类器。在 DPRIF整合策略指导下构建了一个整合的 SOFM-SVM模型,对该模型 从运作机制、数据接口、功能扩展几个方面进行分析和改进:引入 PCA方法进行 数据降维和特征提取,用以加强聚类解释;结合统计聚类中的聚类误差概念定义 一个聚类数有效性指标,利用 SOFM算法中间结果进行指标求解,以筛选出有效 或最佳聚类数;提出一种新的噪声识别算法Anti-NO算法用于对样本中的异常数 据进行甄别和过滤;利用 SVM模型的中间结果提取分类边界数据;进一步充实 了包括模式类、噪声集和边界在内的模式识别成果。最后将该整合模型应用于上 市公司信用模式识别的实例,证明该整合策略和模型对于解决 C2CMA数据挖掘 任务是可行有效的,同时为定量研究证券信用模式分类问题做出新的探索。 关键词:模式识别 聚类 分类 自组织特征映射 支持向量机 信用模式1基于数据模式识别整合框架的SOFM-SVM模型及其应用 Abstract Based on the theory and methods of data pattern recognition, this thesis focused on the disadvantages of the unaided use with unsupervised clustering and supervised classifying method to classify the unlabeled data samples, and furtherly proposed a method of C2CMAfrom clustering to classification mining application, which integrates clustering with classifying method to solve the problem of pattern recognition. An integrated strategy called DPRIFData Pattern Recognition Integrated Frame was also proposed, which is used to discover and explain data pattern when sample set is lack of labeled information. It can also be used to create a classifier which is more stable and more accurate, and can be used to discriminate and forecast new data. Under the guidance of DPRIF integrating strategy, we set up an integreted SOFM-SVM model. Then we analyzed and optimized the model from the aspects of operating mechanism, data interface and function expandedness. The PCA method was introduced to reduce dimensionality and extract features, then to strengthen the clustering explanation; defined a CMI index, to ascertain the most effective or the best clustering number; A new Anti-NO algorithm was proposed to recognize and to filter the suspecious data in the sam