一种改进的关联分类算法

• 作者: 全秀祥 周忠眉 黄再祥
• 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 支持度 置信度 分类准确率
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1966-1970
• 页数: 5页
• 分类号: TP311.13
• 字数: 3302字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.10.028

摘要

基于支持度-置信度的关联分类是一项重要的分类算法,这种关联分类算法先构建频繁项集,然后通过置信度的阈值来选取规则,容易产生质量不高的规则.针对这个问题,提出了一种改进关联分类算法:首先,选取大量的属性值对建立起条件小训练集;其次,每条规则主体通过选取条件小训练集中最好属性值对连接生成;最后,采用实例覆盖技术覆盖小训练集的每个实例,构建具有较高质量的分类器.在25个UCI数据集上的实验结果表明,所提出的改进关联分类算法的准确率得到了显著提高.

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学院	10	19	2.0	4.0
2	周忠眉	闽南师范大学计算机学院	10	32	3.0	5.0
3	全秀祥	闽南师范大学计算机学院	3	1	1.0	1.0