基于eEP的两阶段方法分类研究-计算机软件与理论专业论文.docxVIP

羔二s3S7≥t摘要 羔二s3S7≥t 摘要 分类是数据挖掘中的一项非常重要的任务，几十年来一直是统计学、机器学 习、神经网络和专家系统等领域内的一个重要研究课题。目前在政府组织、科学 研究、商业等领域有着广泛的应用。在解决数据挖掘领域中的分类问题时，基于 规则的建模技术是很受欢迎的。但是，传统的基于规则的分类算法多数采用顺序 覆盖技术来训练分类规则，这种方法有着自身无法很好解决的问题，在稀有类分 类中这种问题更加突出。基于此，RameshAgarwal和Mahesh V．Joshi于2000年 提出了基于规则的两阶段方法，实验结果表明，两阶段方法能够很好地用于分类， 特别是在稀有类分类时取得了比其它分类算法更好的效果。 1999年Dong等人提出了一种被称作显露模式(EmergingPattern，EP)的新的 知识模式，并受到了数据挖掘界的广泛重视。基于EP的分类算法通过聚合多个 EP的分类能力来分类，综合考虑了不同数据集在多组属性上的差异，能够弥补 传统分类方法(如决策树方法)只考虑一组属性而形成的缺陷，取得了很好的分 类结果。然而，对于稠密数据集和高维数据集来说，EPs的数量巨大，因而增加 了算法的时空复杂度。2000年Fan和Ramamohanarao又提出了一种特殊形式的 EP：eEP(Essential Emerging Pattern，基本显露模式)，有效遣解决了一