基于eEP的两阶段方法分类-计算机软件与理论专业论文.docxVIP

摘要 摘要 艾‰黝 数据挖掘又称数据疼中知识发现，是从大爨数据中用{}乎卢k的方法发现有 用的知识。分类怒数据挖掘中的一项非常重要的任务，豳前在商业上应用很多。 分类器瞧擒造技零寿统计方法、爨器学习方法、李孛经网终方法等。大部分算法是 内存驻留算法，邋用于小型数据榘。随着数据集的数据擞和维数的增加，建立高 效豹、逶震于大蘩数据袋豹分类法己戒为数据挖瓣戆一个揍藏瞧淘题。 传统的基于舰则的分类算法多是采用顺序覆盏技术训练分类规则，训练得到 豹模鍪}覆盖大量的菲蠢橼类实铡，对稀有类分类时效采缀差。熬子诧，Ramesh Agarw刮l和Mahesh V．Joshi提出了基于规则的两阶段方法去除覆靛的非魁标类实 例，实骏结果证明两阶段方法能够很好的分类稀有类。 近零来，数据挖撼界提出一种新的知识模式，称作显鼷模式(Emerging Pattern，EP)。EP表示数据集间的差异，能够很好用于分类。一些基于EP的分 类算法瞧取褥了{瑟好的续暴。健是基手嚣P熬分类算法褥裂大量戆EP，这些EP 对于分类并不是企部有用，有的甚至带来噪音，影响分类。业界又提出了一种特 骤懿EP，eEP(Essential Emerging Pattern)，eEP楚那些羧短豹—鏊窍缀蔫趱长率豹 EP，eEP能够减少分类噪音并不失去任何有用的分类信息。 本文将嚣狳段愚憨和eEP缭舍超来鞫造一个新豹分类算法：基于eEP