空间相关性分析的符号数据分类方法

• 作者: 付康安 王文剑 郭虎升
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 符号数据 分类 空间相关性分析 支持向量机(SVM) K-最近邻(KNN)
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1166-1174
• 页数: 9页
• 分类号: TP18
• 字数: 5830字
• 语种: 中文

摘要

针对目前符号数据的分类性能较低,通过挖掘属性值与标签之间可能存在的空间结构关系,提出了一种基于空间相关性分析的符号数据分类方法.该方法首先采用独热编码的方式对符号数据进行特征扩容,然后基于互信息和条件熵信息度量方法,定义了一种符号数据空间关系表示方法.在此基础上,分别结合支持向量机(support vector machine,SVM)和K-最近邻(K-nearest neighbor,KNN)模型分类器,提出了基于空间相关性分析的SVM分类算法(SVM classification algorithm based on space correlation analysis,SCA_SVM)和基于空间相关性分析的KNN分类算法(KNN classification algorithm based on space correlation analysis, SCA_KNN)两种分类算法.该方法既能够体现出属性值与标签之间的关联关系,也可以有效地度量不同属性值之间的距离或差异性.在标准UCI数据集上的实验结果表明,该方法在分类性能上更加有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算智能与中文信息处理教育部重点实验室	97	798	14.0	23.0
2	郭虎升	山西大学计算机与信息技术学院	24	174	8.0	12.0
3	付康安	山西大学计算机与信息技术学院	2	2	1.0	1.0