版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著信息技術(shù)的迅猛發(fā)展,人們所需要處理的數(shù)據(jù)也越來(lái)越龐大。如何從數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的知識(shí)成為當(dāng)今的研究熱點(diǎn)。數(shù)據(jù)挖掘通過分析數(shù)據(jù),揭示數(shù)據(jù)內(nèi)部所蘊(yùn)含的知識(shí),成為未來(lái)信息技術(shù)應(yīng)用的重要目標(biāo)之一。在數(shù)據(jù)挖掘的各個(gè)分支中,關(guān)聯(lián)規(guī)則和分類是兩個(gè)重要的研究分支,關(guān)聯(lián)規(guī)則主要用于描述數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間的潛在聯(lián)系,通過挖掘?qū)傩耘c類標(biāo)號(hào)之間的相關(guān)性,可以將關(guān)聯(lián)規(guī)則挖掘用于分類,有著極其重要的應(yīng)用價(jià)值。
在整個(gè)數(shù)據(jù)挖掘的研究中,算法的研究占據(jù)著特
2、別重要的地位。一方面,數(shù)據(jù)挖掘面對(duì)的是大量數(shù)據(jù)集,時(shí)間和空間的消耗都是很重要的問題,因此算法的效率對(duì)其能否應(yīng)用于現(xiàn)實(shí)生活中的問題起關(guān)鍵作用。另一方面是算法是否具有較高的分類精確度,畢竟高分類準(zhǔn)確率是算法能否應(yīng)用到現(xiàn)實(shí)生活中的最重要的目的。
首先,本文概述了關(guān)聯(lián)分類的基本理論和幾種經(jīng)典算法,并介紹了經(jīng)典關(guān)聯(lián)規(guī)則挖掘算法。
其次,本文針對(duì)產(chǎn)生關(guān)聯(lián)規(guī)則時(shí)僅考慮支持度和置信度的局限性,引入了最小差異度這個(gè)概念,改進(jìn)了關(guān)聯(lián)分類
3、算法,提出了基于最小頻繁模式矩陣的分類算法CFPM(classification based on frequent pattern matrix)。詳細(xì)介紹了算法的基本思想以及算法步驟。對(duì)部分UCI數(shù)據(jù)集進(jìn)行測(cè)試,將分類結(jié)果對(duì)比決策樹算法C4.5以及其他經(jīng)典關(guān)聯(lián)分類方法CBA,CMAR和CPAR。實(shí)驗(yàn)結(jié)果表明了算法CFPM在大部分?jǐn)?shù)據(jù)集上具有較高的分類精度,更適合于離散數(shù)據(jù)集。并針對(duì)同一數(shù)據(jù)集在記錄數(shù)不同的情況下,分別測(cè)試分類精度和運(yùn)
4、行時(shí)間的變化情況。
隨后,針對(duì)算法對(duì)大數(shù)據(jù)集效率不高,即運(yùn)行時(shí)間過長(zhǎng),所占內(nèi)存開銷過大的問題,又引入了屬性重要性和獨(dú)立屬性值這兩個(gè)概念。并分別在只考慮屬性重要性,只考慮獨(dú)立屬性值,以及兩者均考慮的情況下對(duì)比算法的分類精度和運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果表明,在刪除非重要屬性后,運(yùn)行時(shí)間極大減小,分類精度反而略有提高。說明被刪除的屬性是對(duì)分類起負(fù)作用的屬性,即該屬性會(huì)引起分類錯(cuò)誤。
最后,將算法CFPM應(yīng)用于現(xiàn)實(shí)生活中。本文采用的
溫馨提示
- 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于關(guān)聯(lián)分類的動(dòng)態(tài)關(guān)聯(lián)規(guī)則趨勢(shì)度挖掘方法研究.pdf
- 多最小支持度關(guān)聯(lián)規(guī)則挖掘的研究與應(yīng)用.pdf
- 基于多最小支持度的關(guān)聯(lián)規(guī)則研究.pdf
- 基于分類頻繁模式樹的關(guān)聯(lián)分類算法的研究與應(yīng)用.pdf
- 基于多最小支持度的關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 基于差異性度量的分類器集成優(yōu)化方法研究與應(yīng)用.pdf
- 基于Lazy方法的數(shù)量型關(guān)聯(lián)分類研究.pdf
- 最小差錯(cuò)概率變步長(zhǎng)盲均衡算法的研究.pdf
- 多最小支持度下的關(guān)聯(lián)規(guī)則研究.pdf
- 基于混合策略的關(guān)聯(lián)分類方法研究.pdf
- 增量式關(guān)聯(lián)分類算法與多標(biāo)號(hào)關(guān)聯(lián)分類方法研究.pdf
- 我國(guó)區(qū)域差異的現(xiàn)狀、原因以及縮小差異的對(duì)策
- 基于特征關(guān)聯(lián)的跨領(lǐng)域情感分類方法研究.pdf
- 基于核方法的模式分類研究與應(yīng)用.pdf
- 基于增量學(xué)習(xí)關(guān)聯(lián)分類規(guī)則的病毒檢測(cè)方法研究.pdf
- 基于分類器逆向?qū)W習(xí)的最小代價(jià)檢測(cè)規(guī)避方法研究.pdf
- 基于關(guān)聯(lián)規(guī)則的不平衡數(shù)據(jù)分類方法研究.pdf
- 多最小支持度關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 基于相關(guān)度計(jì)算的實(shí)體關(guān)系分類研究與應(yīng)用.pdf
- 樁-筏組合基礎(chǔ)減小差異沉降的模擬研究.pdf
評(píng)論
0/150
提交評(píng)論