概率数据上基于规则的分类器

• 作者: 李翠平 裴斌 赵婷婷 赵素云 陈红
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 分类 随机性 概率数据 辨识距离
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 学术研究
• 页码范围: 639-648
• 页数: 10页
• 分类号: TP311
• 字数: 7662字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1305006

摘要

分类作为一类重要的数据挖掘问题被广泛地研究和应用,然而先前的研究主要针对确定数据上的分类问题,由于目前例如传感器等数据采集工具的普遍使用,概率数据广泛存在,在这类数据上进行分类研究十分必要.提出了一种新的概率数据模型,它既考虑了概率分布上的随机性,又包含了独立区间上的相似度；定义了一种新的辨识距离来衡量这类概率数据元组之间的距离；最后提出了概率数据上基于规则的分类算法,在基础分类算法上,引入了一种带有可变精度的分类算法来降低噪声或者扰动,提高了分类的精度.实验结果证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈红	中国人民大学数据工程与知识工程教育部重点实验室	86	978	16.0	29.0
5	赵婷婷	中国人民大学数据工程与知识工程教育部重点实验室	15	29	3.0	4.0
9	李翠平		20	297	8.0	17.0
10	赵素云	中国人民大学数据工程与知识工程教育部重点实验室	5	23	2.0	4.0
11	裴斌	中国人民大学数据工程与知识工程教育部重点实验室	1	2	1.0	1.0