梁淑蓉, 陈基漓,2*, 谢晓兰,2

(1.桂林理工大学信息科学与工程学院, 桂林 514004； 2.广西嵌入式技术与智能系统重点实验室, 桂林 514004)

技术的发展促使数据集凸显规模和复杂性，与低维数据相比，高维空间中不同数据之间的相似性概念变得模糊，因此对高维数据的挖掘，机器学习方法将面临严峻考验。一方面，根据数据索引构造的数据挖掘性能减退；另一方面，根据距离度量函数的全维度挖掘失去效果。例如：在高维空间中的K近邻分类算法(Knearest neighbors，KNN)，由于数据之间距离的概念不复存在，距待分类数据的最近点和最远点之间的距离几乎相等，使得最近邻计算无法区分最近邻域。如何提高算法的效率是高维数据分类面临的挑战。

针对这一问题，许多学者对高维空间中维数灾难问题开展研究。一类研究通过降维技术去除冗余信息，来实现减少计算量和时间的目的。李勇等[1]提出一种通过可变K近邻局部线性嵌入(locally linear embedding,LLE)降低数据维度的方法，使得即使在维数减小后的特征向量情况下，也可以在高维空间中保留拓扑结构并实现高检索精度。万静等[2]为了降低不确定数据对聚类产生的影响，将数据划分为值不确定和维数不确定，并采用期望公式度量距离，再通过K近邻查询来找寻不确定数据的近似值，此算法具有良好的抗噪声特性和可伸缩性。还有一些研究通过对特征属性进行加权，“忽略”某些属性以实现降维的效果。为了提高高维数据中KNN分类的准确性，Zhu等[3]提出了一种新的KNN方法，该方法实现高维数据的属性选择和属性权重加权，能消除不相关属性并获得原始预测属性的表达式。……