论文部分内容阅读
现有的大部分分类算法都是针对多维数据的，虽然存在一些方法可以用于不是用多维表示的数据类型，即非多维数据，但这些方法本身的弱点往往也都很明显。在大数据时代，复杂的数据类型越来越多，现有的可以处理非多维数据的分类方法的局限也逐渐成为瓶颈，而专用的非多维数据分类算法往往受限于其应用领域，如何能够把通用多维数据分类算法应用于大数据时代的复杂数据类型已经成为一个越发重要的问题。本文提出一个将传统的针对多维数据的分类算法广泛应用于多种非多维数据的算法框架：首先把非多维数据抽象到统一的度量空间；然后在支撑点空间模型的基础上通过支撑点选择把没有坐标的度量空间转化为有坐标的支撑点空间；最后将多维数据分类算法应用于支撑点空间以最终实现对非多维数据的分类。实验表明本文提出的分类算法框架可以有效地对非多维数据进行分类。总体上看，将本框架应用于多维数据可获得比直接对多维数据进行分类获得更优的准确率。