基于关联规则的分类模型系统

• 作者: 晁玉宁 许孝元
• 来源期刊: 计算机系统应用
• 学科: 工学
• 关键词: 数据挖掘 原子关联规则 分类 机器学习
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 研究开发
• 页码范围: 80-83
• 页数: 4页
• 分类号: TP3
• 字数: 4138字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3254.2009.07.019

摘要

关联分类是数据挖掘及机器学习领域的一个研究热点.利用原子关联分类算法(CAAR)建立了数据模型的机器学习系统,详细说明了CAAR算法的分类步骤并给出了算法的伪代码表示.在UCI提供的标准数据集上进行测试,实验验证了在大规模数据集中,在不同的抽样率情况下,原子关联分类算法的分类准确度,用数据的方式与其他分类算法做了比较.对数据集记录次序的依赖性进行的10-折交叉验证实验表明,原子关联分类算法的分类准确度要高于CBA算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许孝元	广东工业大学计算机学院	11	79	4.0	8.0
2	晁玉宁	广东工业大学计算机学院	2	6	2.0	2.0