基于可变网格划分的密度偏差抽样算法

摘要：

简单随机抽样是在分析处理大规模数据集时最常用的数据约简方法,但该方法在处理内部分布不均匀的数据集时容易造成类的丢失.基于固定网格划分的密度偏差抽样算法虽能有效解决该问题,但其速度及效果易受网格划分粒度影响.为此提出了基于可变网格划分的密度偏差抽样算法,根据原始数据集每一维的分布特征确定该维相应的划分粒度,进而构建与原始数据集分布特征一致的网格空间.实验结果表明,在可变网格划分的基础上进行密度偏差抽样,样本质量明显提升,而且相对于基于固定网格划分的密度偏差抽样算法,抽样效率亦有所提高.

关键词：密度偏差抽样、可变网格划分、数据挖掘、大规模数据集、聚类

所属期刊栏目：33

分类号：TP181;TP301.6(自动化基础理论)

资助基金：国家自然科学基金资助项目61103129,61202312;江苏省科技支撑计划项目BE2009009

在线出版日期：2013-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2419-2422