一种基于最小差异度的关联分类方法

• 作者: 史娜 张燕平
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 频繁项 矩阵 最小差异性 匹配 分类
• 年，卷（期）: 2009,（1）
• 页码范围: 177-179
• 页数: 3页
• 分类号: TP391

摘要

关联分类具有较高的分类精度和较强的扩展性，但是由于分类器是由高置信度的规则构成，因此有时会出现过拟合。因此考虑在fp-growth挖掘频繁项的基础上。计算频繁项与测试数据间的最小差异度，即分类规则与测试数据的匹配程度。将最小差异度最小的类标号赋予测试数据。实验结果表明，该算法较先前算法有较高的精确度，如CBA （Classification-Based Association）,CMAR （Classification based on Multiple Association Rules）,CPAR（Classification based on Predictive Association Rules）。但是不足之处是精确度提高的代价是存储频繁项的矩阵过于庞大．系统开销不小。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学智能计算与信号处理重点实验室	148	1556	21.0	32.0
2	史娜	安徽大学智能计算与信号处理重点实验室	3	2	1.0	1.0