数据挖掘分类算法研究综述程建华(九江学院信息科学学院软件教研室九江332005)摘要：随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点。特别是其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。对数据挖掘中的核心技术分类算法的内容及其研究现状进行综述。认为分类算法大体可分为传统分类算法和基于软计算的分类法两类。通过论述以上算法优缺点和应用范围，研究者对已有算法的改进有所了解，以便在应用中选择相应的分类算法。关键词：数据挖掘；分类；软计算；算法ReviewofClassificationAlgorithmsinDataMiningCHENGJianhua(DepartmentofComputerScience,JiujiangUniversity,Jiujiang332005,China)ABSTRACT:Withtheapplicationofdatabasedeepeningandthesizeofdatabaseexpandingquickly,DataMininghasrecentlybecomethehotspot.Classification,theproblemamongthemespeciallybecauseofitsextensiveusage,hasacquiredmoreandmoreconcernspresently.Asoneofthekerneltechniquesinthedatamining,itisnecessarytosummarizetheresearchstatusofclassificationalgorithm.Classificationalgorithmscanbedividedintoclassicalalgorithmsandalgorithmsbasedonsoftcomputing.Bypresentingtheadvantagesanddisadvantagesandtheapplicationrangeofthealgorithmsmentionedabove,itwillbehelpfulforpeopletoimproveandselectalgorithmsforapplications,andeventodevelopnewones..KEYWORDS:datamining；classification；softcomputing；algorithm1引言1989年8月，在第11届国际人工智能联合会议的专题研讨会上，首次提出基于数据库的知识发现(KDD，KnowledgeDiscoveryDatabase)技术[1]。该技术涉及机器学习、模式识别、统计学、智能数据库、知识获取、专家系统、数据可视化和高性能计算等领域，技术难度较大，一时难以应付信息爆炸的实际需求。到了1995年，在美国计算机年会(ACM)上，提出了数据挖掘[2](DM，DataMining)的概念，由于数据挖掘是KDD过程中最为关键的步骤，在实践应用中对数据挖掘和KDD这2个术语往往不加以区分。基于人工智能和信息系统，抽象层次上的分类是推理、学习、决策的关键，是一种基础知识。因而数据分类技术可视为数据挖掘中的基础和核心技术。其实，该技术在很多数据挖掘中被广泛使用，比如关联规则挖掘和时间序列挖掘等。因此，在数据挖掘技术的研究中，分类技术的研究应当处在首要和优先的地位。目前，数据分类技术主要分为基于传统技术和基于软计算技术两种。2传统的数据挖掘分类方法2.1数据分类中相似函数的研究数据分类首先涉及到样本间的相似度判定函数，向量相似性判定函数可根据向量特征可比性以及是否能满足距离三角不等式加以区分，而不满足距离三角不等式的向量相似性判定函数可根据互近邻距离等来判定。当向量特征是非同质的，简单地使用上述相似性判定函数是不合适的；而对于不同质的特征，使用不同的相似性判定函数也是困难的，因为：①不同判定函数之间的综合判定很困难；②某些向量特征取决于质；③即使取决于特征量，用于相似性判定函数的离散值或区间值也需进一步研究。对于离散的向量特征，人们提出了简单匹配系数、Jaccard系数、Rao系数等相似性判定函数，但在实际使用中却存在很多限制，且这只适用于离散值数量较少的情况。目前，非作者简介：程建华（1982-），女，汉族，江西九江，研究生，主要研究方向为数据挖掘、信息安全。同质、离散、半连续半离散以及同质的相似性判定函数的研究成果还比较少。但以上讨论仅限于在两个向量之间，在实际分类过程中，也会涉及两个类别之间相似程度(距离)的计算，因为这无论在分类过程中还是评价分类质量时都是必不可少的。在实际应用中，类别间相似程度的计算函数主要包括最近距离函数、质心距离函数、平均距离函数等。2.2传统数据分类方法分类技术针对数据集构造分类器，从而对未知类别样本赋予类别标签。在其学习过程中和无监督的聚类相比，一般而言，分类技术假定存在具备环境知识和输入输出样本集知识的老师，但环境及其特性、模型参数等却是未知的。2.2.1基于关联...
