基于选择度的分类规则学习算法

• 作者: 何田中 周忠眉 黄再祥
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 数据挖掘 分类 FOIL算法 LRSM算法 偏离 选择度
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 人工智能与识别技术
• 页码范围: 179-182,189
• 页数: 5页
• 分类号: TP18
• 字数: 3846字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.08.034

摘要

规则式分类器通常使用单一度量选择属性值,然而单一度量会导致很多属性值具有相同的度量值,从而无法选择出“好”的属性值.此外,规则式分类器通常提取置信度为100％的规则,致使规则提取过程比较费时,并且所得到的规则支持度较低.针对上述不足,提出新的属性值度量——选择度.选择度是基于信息熵、类支持度及偏离度3种度量的结合,能更好地区分属性值的优劣.在此基础上,提出一种基于选择度的分类规则学习算法LRSM.在LRSM算法中,当规则包含的负实例数小于给定域值时,该规则被抽取,删除被此规则覆盖的实例,抽取下一条规则.实验结果表明,与FOIL算法相比较,LRSM算法提高了分类准确率,同时明显地减少了分类所消耗的时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄再祥	闽南师范大学计算机科学与工程系	10	19	2.0	4.0
2	周忠眉	闽南师范大学计算机科学与工程系	10	32	3.0	5.0
3	何田中	闽南师范大学计算机科学与工程系	9	18	2.0	4.0