一種基于MACA的數(shù)據(jù)挖掘分類方法研究與應(yīng)用.pdf

1、分類挖掘是數(shù)據(jù)挖掘技術(shù)中一個(gè)非常重要的方法。常用的典型分類挖掘方法有決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、貝葉斯方法和k—最臨近分類法等，這些方法對(duì)各自適用的數(shù)據(jù)集都表現(xiàn)出較好的分類性能，但也表現(xiàn)出許多共有的不足。首先都屬于內(nèi)存駐留算法，須以數(shù)據(jù)量小為前提，對(duì)于海量數(shù)據(jù)，其有效構(gòu)造分類模型的能力必顯不足；其次，對(duì)在Internet上建立數(shù)據(jù)挖掘服務(wù)器所需的并行和分布式數(shù)據(jù)處理能力缺乏考慮；此外，分類精度和內(nèi)存利用率等也有待提高。 論文針對(duì)

2、分類挖掘技術(shù)的研究現(xiàn)狀，設(shè)計(jì)了一種基于多吸引子元胞自動(dòng)機(jī)、可有效地應(yīng)用于數(shù)據(jù)挖掘系統(tǒng)中的兩階段分類器。該分類器在數(shù)據(jù)量處理能力、分布式數(shù)據(jù)處理、分類精度和內(nèi)存利用等方面都有所改善。論文的具體研究?jī)?nèi)容和研究成果包括： (1)對(duì)基于多吸引子元胞自動(dòng)機(jī)的分類器進(jìn)行了重新描述，縮小了分類算法的查找空間。具體方法是以兩個(gè)線性算子依賴向量DV和依賴字符串DS代替依賴矩陣來(lái)描述分類器； (2)設(shè)計(jì)了基于新描述方法的兩階段分類器，并利用

3、遺傳算法對(duì)分類器進(jìn)行了優(yōu)化處理，有效提高了分類器的分類速度。 (3)設(shè)計(jì)了基于兩階段分類器的數(shù)據(jù)挖掘分類算法，并在通用的實(shí)驗(yàn)平臺(tái)WEKA上進(jìn)行了分類性能測(cè)試。測(cè)試結(jié)果表明，相比較原基于多吸引子元胞自動(dòng)機(jī)的分類器和C4.5、貝葉斯分類法等其他常用分類挖掘方法，所提出的兩階段分類器綜合分類性能有明顯提高。 (4)將所提出的兩階段分類器具體應(yīng)用到公安情報(bào)挖掘系統(tǒng)中，提出了 Web公安情報(bào)挖掘系統(tǒng)中的分類模型，設(shè)計(jì)了在分布式數(shù)據(jù)