基于广义分形插值理论的多尺度分类尺度下推算法

摘要

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.