基于eEP的兩階段方法分類(lèi)研究.pdf

1、分類(lèi)是數(shù)據(jù)挖掘中的一項(xiàng)非常重要的任務(wù),幾十年來(lái)一直是統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等領(lǐng)域內(nèi)的一個(gè)重要研究課題.目前在政府組織、科學(xué)研究、商業(yè)等領(lǐng)域有著廣泛的應(yīng)用.在解決數(shù)據(jù)挖掘領(lǐng)域中的分類(lèi)問(wèn)題時(shí),基于規(guī)則的建模技術(shù)是很受歡迎的.但是,傳統(tǒng)的基于規(guī)則的分類(lèi)算法多數(shù)采用順序覆蓋技術(shù)來(lái)訓(xùn)練分類(lèi)規(guī)則,這種方法有著自身無(wú)法很好解決的問(wèn)題,在稀有類(lèi)分類(lèi)中這種問(wèn)題更加突出.基于此,Ramesh Agarwal和Mahesh V.Joshi于20

2、00年提出了基于規(guī)則的兩階段方法,實(shí)驗(yàn)結(jié)果表明,兩階段方法能夠很好地用于分類(lèi),特別是在稀有類(lèi)分類(lèi)時(shí)取得了比其它分類(lèi)算法更好的效果.1999年Dong等人提出了一種被稱作顯露模式(Emerging Pattern,EP)的新的知識(shí)模式,并受到了數(shù)據(jù)挖掘界的廣泛重視.基于EP的分類(lèi)算法通過(guò)聚合多個(gè)EP的分類(lèi)能力來(lái)分類(lèi),綜合考慮了不同數(shù)據(jù)集在多組屬性上的差異,能夠彌補(bǔ)傳統(tǒng)分類(lèi)方法(如決策樹(shù)方法)只考慮一組屬性而形成的缺陷,取得了很好的分類(lèi)結(jié)果

3、.然而,對(duì)于稠密數(shù)據(jù)集和高維數(shù)據(jù)集來(lái)說(shuō),EPs的數(shù)量巨大,因而增加了算法的時(shí)空復(fù)雜度.2000年Fan和Ramamohanarao又提出了一種特殊形式的EP:eEP(Essential Emerging Pattern,基本顯露模式),有效地解決了一般形式的EP在分類(lèi)時(shí)的冗余問(wèn)題,同時(shí)又不會(huì)丟失太多對(duì)分類(lèi)有用的信息.本文結(jié)合兩階段思想和eEP在分類(lèi)方面的優(yōu)勢(shì),提出了一種新的分類(lèi)算法——基于eEP的兩階段方法分類(lèi)(Classificati

4、on of Essential Emerging Pattern in Two Phases,CEEPTP).該算法使用兩個(gè)階段挖掘eEP并用于分類(lèi),分類(lèi)時(shí)考慮第二階段對(duì)第一階段的修正作用,這與TPCEP有些相似之處.與TPCEP不同的是,我們?cè)诜诸?lèi)時(shí)采用了以增長(zhǎng)率為標(biāo)準(zhǔn)的評(píng)分策略,充分利用了eEP的區(qū)分能力;同時(shí),我們通過(guò)調(diào)整第二階段的權(quán)重,使之更好地發(fā)揮對(duì)第一階段結(jié)果進(jìn)行修正的輔助作用.實(shí)驗(yàn)結(jié)果表明,CEEPTP在UCI機(jī)器學(xué)習(xí)庫(kù)中