商丘师范学院学报
商丘師範學院學報
상구사범학원학보
JOURNAL OF SHANGQIU TEACHERS COLLEGE
2006年
2期
88-92
,共5页
数据挖掘%分类%显露模式%两阶段分类
數據挖掘%分類%顯露模式%兩階段分類
수거알굴%분류%현로모식%량계단분류
传统的基于规则的分类算法多是采用顺序覆盖技术训练分类规则,这使得训练得到的模型覆盖大量的非目标类实例,分类时效果差.基于规则的两阶段分类算法,能够很好的去除模型覆盖的非目标类实例,分类时能取得比较好的结果.EP在分类大型数据库时能够提高分类效率,eEP(Essential Emerging Patterns)是一种特殊的EP,较EP能够减少分类噪音.本文中我们构造一个新颖的分类算法,基于eEP的两阶段分类方法(即EEPCTP),并使用UCI机器学习库中的10个数据集做实验,实验表明EEPCTP分类法取得了与一些经典的分类算法可比的效率和准确性.
傳統的基于規則的分類算法多是採用順序覆蓋技術訓練分類規則,這使得訓練得到的模型覆蓋大量的非目標類實例,分類時效果差.基于規則的兩階段分類算法,能夠很好的去除模型覆蓋的非目標類實例,分類時能取得比較好的結果.EP在分類大型數據庫時能夠提高分類效率,eEP(Essential Emerging Patterns)是一種特殊的EP,較EP能夠減少分類譟音.本文中我們構造一箇新穎的分類算法,基于eEP的兩階段分類方法(即EEPCTP),併使用UCI機器學習庫中的10箇數據集做實驗,實驗錶明EEPCTP分類法取得瞭與一些經典的分類算法可比的效率和準確性.
전통적기우규칙적분류산법다시채용순서복개기술훈련분류규칙,저사득훈련득도적모형복개대량적비목표류실례,분류시효과차.기우규칙적량계단분류산법,능구흔호적거제모형복개적비목표류실례,분류시능취득비교호적결과.EP재분류대형수거고시능구제고분류효솔,eEP(Essential Emerging Patterns)시일충특수적EP,교EP능구감소분류조음.본문중아문구조일개신영적분류산법,기우eEP적량계단분류방법(즉EEPCTP),병사용UCI궤기학습고중적10개수거집주실험,실험표명EEPCTP분류법취득료여일사경전적분류산법가비적효솔화준학성.
