非平衡多分類問題的分類和特征選擇方法研究.pdf

1、廈門大學學位論文原創(chuàng)性聲明本人呈交的學位論文是本人在導師指導下，獨立完成的研究成果。本人在論文寫作中參考其他個人或集體己經發(fā)表的研究成果，均在文中以適當方式明確標明，并符合法律規(guī)范和《廈門大學研究生學術活動規(guī)范(試行)》。另外，該學位論文為()課題(組)的研究成果，獲得()課題(組)經費或實驗室的資助，在()實驗室完成。(請在以上括號內填寫課題或課題組負責人或實驗室名稱，未有此項聲明內容的，可以不作特別聲明。)聲明人j簽名)奸吼W5年月

2、日摘要摘要在模式分類問題中普遍存在著數據集不平衡的現象，即不同類的樣本在數量和分布上存在較大差異。非平衡數據的分類具有著重要的現實意義，因為少數類樣本通常伴隨著高昂的錯分代價，錯分或遺失這些樣本都會對分類結果帶來嚴重的影響。有學者認為，支持向量機作為處理非平衡問題的理想工具，因其分類決策過程僅僅受少數支持向量的影響，而與其它樣本無關，樣本總體的類不平衡對分類結果的影響有限。然而，實驗表明，支持向量機并不總是能很好地解決非平衡分類問題。本

3、文通過對數據分布的觀察，提出類不平衡并非簡單地體現為不同類別樣本數量上的差異，更本質地，應該是分界面附近的二類分布密度之比。本文首先通過人造數據展示了支持向量機并不適于所有非平衡數據的這一內在原因，從而很好地解釋了為什么支持向量機在處理某些非平衡數據時表現突出，而不適用于其他數據的現象。其次基于反轉K近鄰法和K近鄰密度估計法估計分界面附近兩類樣本密度之比，并選用估計的密度比作為均衡化處理的比例。實驗表明，該方法是有效的，在大部分非平衡數

4、據中取得了較好的效果。模式分類中另一個重要問題是多分類特征選擇，其設計目的在于為多個子類尋找一個共同的最優(yōu)特征子集，本質上是一個多目標優(yōu)化問題。目前很多研究都建立在一定存在共同最優(yōu)特征的前提假設上，尋優(yōu)方向也僅朝向這些共同特征，較少考慮對于某些單類判別能力更優(yōu)的特征，本文針對每一類尋找判別特征，提出對多分類基因表達數據進行分類別的特征選擇，并基于概率組合多分類SVM將子SVM模型進行結合，取得了較好的分類效果，并大大降低了原問題的求解復