论文部分内容阅读
近年来随着数据挖掘的研究及其应用的逐步深入，分类已成为数据挖掘一个重要的研究方向。分类作为一项具有较大的实用价值的关键技术，在公共管理，金融，商业和科学研究等领域获得了广泛的成功应用。随着数据量日趋海量化，海量数据的处理需要通过有效的分类方法提高数据分析能力，因此，研究有效的分类技术已成为数据挖掘领域中一项重要的课题。
本文主要研究工作，首先研究数据分类相关算法，分析了数据分类的若干关键技术和难点；然后，选择性能优秀的分类算法——kNN分类算法进行分析，分析了kNN的优缺点和当前的研究现状之后；最后，对kNN分类算法提出了改进方法。
为了克服kNN算法分类速度比较慢的缺点，从聚类方法出发，基于先对训练样本进行聚类，然后再对测试样本进行分类的思想，提出基于聚类树的kNN分类改进方法。该方法：首先，对训练样本进行聚类预处理，然后，基于聚类结果构造一棵聚类树。最后，基于聚类树，实施kNN分类。在分类过程中，根据这棵聚类树进行K个最近邻的查找，只需在满足一定条件内的部分样本中查找对未知样本的K个最近邻并对其进行分类，从而减小了查找范围，降低了相似度计算量。
最后，实验结果表明，新方法比传统的kNN方法具有更好的时间性能，在保持分类正确率不变的情况下，加快了kNN的分类速度提高。