基于支持度和置信度智能优化的关联分类算法

• 作者: 安建成 王秀枝
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 支持度 置信度 智能优化 CBA 模拟退火
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 基金项目论文
• 页码范围: 184-186,198
• 页数: 4页
• 分类号: TP181
• 字数: 3125字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.11.051

摘要

针对传统关联分类算法中支持度和置信度阈值无法根据问题规模准确设定，导致分类器的分类效果受人为因素影响的缺陷，提出一种基于智能优化思想的关联分类算法。该算法对CBA关联分类算法进行改进，利用模拟退火技术良好的全局搜索能力在解空间内对支持度和置信度阈值进行优化，从而使分类准确率达到全局最优。实验表明，与传统的关联分类算法相比，该方法可以有效地避免阈值设置不合理而影响分类效果的弊端，使分类结果更加精准。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安建成	太原理工大学计算机科学与技术学院	34	182	8.0	11.0
2	王秀枝	太原理工大学计算机科学与技术学院	7	62	5.0	7.0