分类(Classification)是数据挖掘(Data Mining)中的一个重要研究方向,目前传统的方法有:神经网络,Fisher判别法等.神经网络缺乏对分类结果的直观解释;Fisher判别对于大数据集分类准确率大大下降,且不具有属性约简能力.为此,该文做了如下工作:(1)提出了自动获取最佳阈值的思想;(2)对于错分的实例,提出了运用神经网络分类器二次分类的思想;(3)提出了基于基因表达式编程和神经网络的属性约简分类算法(Attribution Reduction Classification Algorithhms Based on GEP and Neural Network,ARCA-GEPNN);(4)实验表明,ARCA-GEPNN的分类精度比Fisher判别提高了约25%,比GEP提高了约21%.