多尺度分类挖掘算法

摘要：

多尺度分类挖掘多局限于空间数据,且对一般数据尺度特性进行分类的研究较少.针对上述问题,进行普适的多尺度分类方法研究,以扩大多尺度适用范围.从空间数据估计角度出发,结合层次理论和尺度特性,基于概率密度估计离散化方法,针对数据的多尺度特性进行分类挖掘.以非局部均值和三次卷积插值为理论基础,利用Q统计和不一致度量进行操作,提出多尺度分类尺度上推算法和多尺度分类尺度下推算法.采用UCI数据集和H省人口真实数据集进行实验,并与CFW、MSCSUA和MSCSDA等算法进行对比,结果表明,该算法可行有效.与其他算法相比,尺度上推算法正确率平均提高4.5％,F-score提高4.8％,NMI提高12.3％,尺度下推算法各个相应指标分别平均提高5.3％,6.6％和11.8％.

关键词：多尺度、不一致度量、尺度转换、多尺度分类挖掘、Q统计

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家社科基金重大项目13&ZD091,18ZDA200

在线出版日期：2021-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：414-420