1、海量數(shù)據(jù)處理技術(shù)的發(fā)展，使數(shù)據(jù)挖掘算法所要訓(xùn)練的數(shù)據(jù)量級呈幾何式增長，為了降低計算難度，較多的數(shù)據(jù)挖掘算法在求解最優(yōu)化問題時采用迭代式的方法。數(shù)據(jù)的樣本輸入以及迭代的搜索步長的合理與否將嚴重影響迭代求解的效率和精度。不合理的樣本輸入及搜索步長一方面容易使迭代收斂至局部最優(yōu)解，另一方面則減緩了收斂的速度，降低了挖掘結(jié)果的可靠性。
　　在實際計算中，難以找到較為科學(xué)的搜索步長。采用數(shù)據(jù)標(biāo)準(zhǔn)化方法或一些度量學(xué)習(xí)方法獲取數(shù)據(jù)的合理樣本輸入

2、，是提高迭代求解效率和精度的有效手段。然而，在處理非均勻分布數(shù)據(jù)時，數(shù)據(jù)標(biāo)準(zhǔn)化方法與度量學(xué)習(xí)方法都不能有效地降低數(shù)據(jù)的集中程度。在數(shù)據(jù)的集中區(qū)域，數(shù)據(jù)點的間距較小，迭代的方式難以準(zhǔn)確的區(qū)分數(shù)據(jù)，同時分類面的細小誤差就能帶來大量的錯誤識別。基于此，本文結(jié)合了一些傳統(tǒng)的數(shù)據(jù)標(biāo)準(zhǔn)化方法和度量學(xué)習(xí)方法，對擴大非均勻分布數(shù)據(jù)密集區(qū)域數(shù)據(jù)點間距的方法進行了研究。
　　相關(guān)研究圍繞對非均勻分布數(shù)據(jù)進行拉伸與膨脹，擴大數(shù)據(jù)分布集中區(qū)域數(shù)據(jù)點間距，

3、提高集中區(qū)域“分辨率”這一思路展開。主要工作包括:(1)提出一種非均勻分布數(shù)據(jù)的非線性拉伸方法，方法以一維統(tǒng)計的方式估計數(shù)據(jù)分布集中程度，根據(jù)估計擬合得到拉伸分布集中區(qū)域數(shù)據(jù)點間距的非線性數(shù)據(jù)標(biāo)準(zhǔn)化函數(shù)。(2)提出一種基于Kmeans的數(shù)據(jù)膨脹方法，利用Kmeans找出歐氏空間中數(shù)據(jù)聚集的區(qū)域，通過數(shù)據(jù)點到各聚集區(qū)域距離方差最小化的方式推動數(shù)據(jù)點向著空間中數(shù)據(jù)分布稀疏的區(qū)域挪動，擴大聚集區(qū)域的數(shù)據(jù)點間距。
　　為了驗證方法的效果，