基于期望语义距离的不确定k近邻分类方法

›› 2017, Vol. 2 ›› Issue (12): 16-20.

基于期望语义距离的不确定k近邻分类方法

（大理大学数学与计算机学院，云南大理671003）

收稿日期:2017-05-12 出版日期:2017-12-15 发布日期:2017-12-15
作者简介:赵秦怡，副教授，主要从事数据挖掘研究.

The Classification of K-Nearest Neighbor over Uncertain Data Based on Expected Semantic Distance

（College of Mathematics and Computer, Dali University, Dali, Yunnan 671003, China）

Received:2017-05-12 Online:2017-12-15 Published:2017-12-15

摘要/Abstract

摘要： 不确定性数据主要分为元组存在不确定和属性值不确定两种，针对属性值不确定提出了一种k近邻分类算法。算法中对象属性是离散型的，其值的不确定性用概率分布向量描述。根据概念层次树计算属性分量值间的语义距离，进而计算属性及对象间的期望语义距离。对算法分类准确率进行了实验验证，实验结果表明这是一个分类准确率高的基于不确定数据分类挖掘算法。

关键词: 分类, k近邻分类, 不确定数据, 期望语义距离

Abstract: The uncertainty of data mainly includes the uncertainty of tuples and that of attribute values. For the latter type, a knearest neighbor classifier is proposed. The attribute value in this classifier is discrete, and the uncertainty of it is expressed by probability distribution vector. The semantic distance among probability distributions is firstly computed according to Concept Hierarchy Tree, and then the semantic distances among attributes and objects are computed. The classification accuracy rate has been validated by experimentation, which indicates that this classifier is a highly effective algorithm for uncertain data.

Key words: classification, KNN classifier, uncertain data, expected semantic distance

中图分类号:

TP311

赵秦怡，黑韶敏. 基于期望语义距离的不确定k近邻分类方法[J]. , 2017, 2(12): 16-20.

Zhao Qinyi，Hei Shaomin. The Classification of K-Nearest Neighbor over Uncertain Data Based on Expected Semantic Distance[J]. , 2017, 2(12): 16-20.

参考文献

〔1〕BI J B，ZHANG T. Support Vector Classification with input Data Uncertainty〔J〕. IN Advances in Neural Information Processing Systems，2005（17）：161-168. 〔2〕杨志民，绍元海，梁静. 未知支持向量机〔J〕.自动化学报， 2013，6（30）：895-901. 〔3〕CHENG R，REN J，LEE S D，et al. Na?ve bayes classifica? tion of uncertain data〔C〕/Data Mining，2009，ICDM’09， Ninth IEEE International Conference on. 2009：944-949. 〔4〕QIN B，XIA Y，WANG S，et al. A novel Bayesian classifi? cation for uncertain data〔J〕.Knowledage-Based Systems， 2011，24（8）：1151-1158. 〔5〕QIN B，XIA Y，PRABHAKAR S，et al. A Rule-Based Clas? sification Algorithm for Uncertain Data〔C〕/Data Engineer? ing，ICDE 2009，IEEE International Conference on. 2009： 1633-1640. 〔6〕QIN B，XIA Y，LI F. Dtu：A decision tree for uncertain da? ta〔C〕/In Proceedings of the 13th Pacific-Asia Conference on Knowledge Discovery and Data Mining，PAKDD. 2009： 4-15. 〔7〕吕艳霞，王翠荣，王聪，等.大数据环境下的不确定数据流在线分类算法〔J〕. 东北大学学报（自然科学版）， 2016，37（9）：1245-1248. 〔8〕高世健，王丽珍，肖清.一种基于U-AHC的不确定空间 co-location模式挖掘算法〔J〕.计算机研究与发展，2011， 48（S）：60-66．〔9〕陆叶，王丽珍，陈红梅，等.基于可能世界的不确定空间 co-location模式挖掘研究〔J〕.计算机研究与发展，2010， 47（S）：215-221．〔10〕肖清，陈红梅，王丽珍. 基于DS 理论的不确定空间 co-location模式挖掘〔J〕.云南大学学报（自然科学版）， 2011，33（S2）：182-187．〔11〕王丽珍，陈红梅. 空间模式挖掘理论与方法〔M〕. 北京：科学出版社，2014. 〔12〕HAN J W，KAMBER M. 数据挖掘概念与技术〔M〕. 范明，孟小峰，译. 2版.北京：机械工业出版社，2007.

[1]	罗桂兰，王熙，郝鸿俊，张梅，潘小雄. 一种微型昆虫图像智能识别方法[J]. 大理大学学报, 2020, 5(6): 7-13.
[2]	张静敏1，许婷婷1，杜利婷1，周卫红1， 2* . 基于深度信念网络的LAMOST恒星光谱分类研究 [J]. , 2019, 4(6): 10-14.
[3]	杨志斌，赵昱，杨自忠. 中国西南地区大疣蛛属2新种记述（蜘蛛目：原蛛下目：大疣蛛科[J]. , 2019, 4(6): 45-47.
[4]	赵秦怡，黑韶敏. 基于加权期望语义距离的不确定分类数据异常点检测[J]. 大理大学学报, 2019, 4(12): 1-5.
[5]	王清，王嘉梅. 深度学习在泰文商品识别中的应用[J]. 大理大学学报, 2019, 4(12): 18-24.
[6]	蒋玄空，余志刚，郭轩，陈会明. 中国西南地区龙隙蛛属2新种记述（蜘蛛目：漏斗蛛科：隙蛛亚科）[J]. 大理大学学报, 2019, 4(12): 58-61.
[7]	王廷勇，李天俊，邹联克. 构建教育精准扶贫的长效机制[J]. 大理大学学报, 2019, 4(11): 12-21.
[8]	王艳梅1，徐明祥2. 基于多元学术观的高校教师分类分层管理机制[J]. 大理大学学报, 2017, 2(9): 69-75.
[9]	李琳，唐松明，罗宗龙，苏鸿雁. 原块菌属中国一新纪录种[J]. J4, 2016, 1(6): 78-80.
[10]	刘太霞，刘蜻蜻. 超声BI-RADS 3类和4A类病变分类的影响因素[J]. J4, 2016, 15(2): 55-57.
[11]	柏梦焱，李亚茹，朱琼洁，叶成超，刘硕然. 基于ITS序列的梅花草属Parnassia L.系统发育初步研究[J]. J4, 2015, 14(12): 82-88.
[12]	陈江丽，张嵘. 基于BP神经网络的教材质量评价研究[J]. J4, 2014, 13(12): 31-34.
[13]	杨晓勤. 白曲分类之新论[J]. J4, 2014, 13(11): 56-59.
[14]	才晓玲, 何伟, 安福全, 于龙凤. 羊肚菌分子分类及人工培养研究现状[J]. J4, 2013, 12(4): 44-47.