一种非均匀分布数据的非线性标准化方法

• 作者: 梁路 滕少华 霍颖翔 黎剑
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 非均匀分布 非线性标准化 数据预处理
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 264-269
• 页数: 6页
• 分类号: TP301.6
• 字数: 6478字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.4.054

摘要

传统的数据标准化处理通常采用的是线性的变换方法,其在处理非均匀分布的数据集时,容易因局部区间内数据点间距过小导致后续的数据挖掘(尤其是基于距离的挖掘)结果不够精确.因此,为非均匀分布数据提出一种基于数据拟合的非线性变换标准化方法,该方法能够在不改变数据整体分布规律的前提下,依据统计找出对应的非线性变换函数,根据函数对各数据点的取值进行非线性放缩,将数据稠密的区间进行扩大的同时将数据稀疏的区间进行压缩,让挖掘的结果更加精确.实验采用BP(Back Propagation)神经网络、支持向量机(Support Vector Machine,SVM)、最近邻分类(K-Nearest Neighbor,KNN)3种经典分类算法结合不同的数据集进行了挖掘,结果表明,分类的错误率有不同程度的下降,同时F1度量有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕少华	广东工业大学计算机学院	121	825	15.0	20.0
2	梁路	广东工业大学计算机学院	21	92	5.0	8.0
3	霍颖翔	广东工业大学计算机学院	7	35	4.0	5.0
4	黎剑	广东工业大学计算机学院	2	9	1.0	2.0