计算机应用研究

作者：李佳星,赵书良,安磊,李长镜,

单位：河北师范大学a.数学与信息科学学院;b.河北省计算数学与应用重点实验室;c.移动物联网研究院,石家庄050024；

关键词：多尺度数据挖掘,分类,分形插值,尺度下推,

基金：国家自然科学基金资助项目(71271067)；国家社科基金重大项目(13&ZD091)；河北省高等学校科学技术研究项目(QN2014196)；河北师范大学硕士基金资助项目(xj2015003)；；

多尺度数据挖掘多应用于空间遥感图像数据，以图像的分辨率或者区域分割为依据进行尺度划分，然后在每个尺度层进行分析。近期，有不少学者将多尺度数据挖掘应用于一般数据集上，以等级理论、概念分层以及包含度理论等为尺度划分依据，研究不同尺度层的分布规律，进而发现有意义的事实，如多尺度关联规则以及多尺度聚类。但是在一般数据集下很少将多尺度数据挖掘应用于分类算法领域。定义了广义分形插值理论的概念，打破了局限于迭代函数系统（iterative function systems，IFS）的缺憾，拓展了分形插值的应用；提出了基于广义分形插值理论的多尺度分类尺度下推算法（multi-scale classification scaling-down algorithm，MSCSDA）。仿真实验建立在四个UCI基准数据集和一个H省部分人口真实数据集上，并将MSCSDA与KNN、decision tree以及LIBSVM算法进行对比分析，实验结果表明，MSCSDA在不同的数据集上均优于其他算法。

来源：2019年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第7期