基于支持度和增比率的改进关联分类算法

• 作者: 周忠眉 王卫平 郑艺峰
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 数据挖掘 关联分类 频繁项集 规则强度 分类准确率
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 数据挖掘
• 页码范围: 370-375
• 页数: 6页
• 分类号: TP311.13
• 字数: 4695字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2016.02.026

摘要

关联分类是一项重要的分类技术,目前普遍采用基于支持度和置信度的关联分类模式.但是,用支持度度量项集的分类能力过于简单,且置信度不能度量项集与类的相关性,所以利用支持度和置信度容易产生质量不好的规则.提出改进的关联分类算法—ACSER.ACSER不仅考虑项集到本类的支持度,也考虑项集到补类的支持度.首先,提取频繁增比模式作为分类候选规则集;其次,利用置信度和增比率度量规则的强度,按照其强度进行排序和剪枝;最后,选择k条最优的规则进行预测.在16个UCI数据集上的实验结果表明,改进的分类算法ACSER与传统的分类算法相比有更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周忠眉	闽南师范大学计算机学院	10	32	3.0	5.0
2	郑艺峰	闽南师范大学计算机学院	6	25	3.0	5.0
3	王卫平	闽南师范大学计算机学院	1	6	1.0	1.0