一种改进的基于规则实例多覆盖分类算法

• 作者: 周忠眉 李莎莎
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 数据挖掘:分类 分类规则 规则覆盖
• 年，卷（期）: 2017,（6）
• 页码范围: 1232-1238
• 页数: 7页
• 分类号: TP301
• 字数: 4947字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.06.019

摘要

基于规则分类算法提取的规则集通常存在3个问题:首先,提取的分类规则集中短规则过少,致使高质量的规则不多;其次,规则集中规则数量少,训练数据中几乎所有实例仅被规则覆盖一次;第三,虽然提取大量的规则,但是训练数据中存在一些小类样本的实例不能被任何一条规则覆盖.本文提出一种改进的基于规则的实例多覆盖分类算法(Rule-based classification with instances covered by mul-tiple rules,RCIM),其特点是:(1)为了提高规则的质量,在选择生成规则的第1项时不仅考虑属性值的好坏,而且还考虑了属性值补的好坏;(2)一次产生尽量多,高质量的规则,而且当训练数据的实例至少被两条规则覆盖后才将其删除;(3)当遇上难以判断的测试数据时,对测试数据的各个属性值进行二次学习提取规则.算法RCIM不仅可以有效地提取大量的规则,而且较大程度地提高了规则的质量.通过在大量数据上实验结果表明,RCIM比许多其他算法取得了更高的分类准确率.

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	李莎莎		2	5	1.0	2.0