基于EP的多分类器表决分类算法-计算机软件与理论专业论文.docxVIP

基丁EP的多分类器表决分类算法 基丁EP的多分类器表决分类算法 Y一635306 摘 要 数据挖掘又称数据库中知识发现， 是从大量数据中用非平凡的方法发现有 用的知识。分类是数据挖掘中的一项非常重要的任务，在商业、金融、电讯、 DNA分析、科学研究等诸多领域具有广泛的应用。统计学、机器学习、神经网 络等领域的研究者提出了很多分类方法，大部分算法是内存驻留算法，适用于小 型数据集。随着数据集的数据量和维数的增加，建立高效的、适用于大型数据集 的分类算法已成为数据挖掘的一项挑战性任务。 基于显露模式(Emerging Pattern，EP)的分类方法是针对大型数据集的分类提 出的，EP是GDong和J．u提出的一种新的知识模式，这些模式能够捕获目标 类和非目标类上多组属性之间的差异，具有很好的分类性能。第一个基于EP的 分类算法是G Dong等提出的CAEP算法，此后相继提出了JEP-Classifier、 BCEP和DeEPs等～系列基于EP的分类算法。相关研究表明，基于EP的分类算 法的平均分类准确率优于决策树等传统算法，显示了EP在分类方面的优越性。 另一方面，提升(Boosting)与装袋(Bagging)以及其他基于委员会的方法能够显 著改善某些算法的分类准确率。基于委员会的方法试图通过合并多个弱分类器建 立一个有效的委员会来构造一个更加有效的分类器。以提升和装袋为代