科尔班

CorClass:用于分类的关联规则挖掘。提出了一种将关联规则挖掘与分类相结合的新算法CorClass。它首先发现所有相关的关联规则(采用Morishita和Sese的一种技术),然后将发现的规则集应用于不可见数据的分类。与其他关联分类技术相比,CorClass的主要优点是CorClass通过使用分支定界算法直接找到用于分类的关联规则。以往的方法(如CBA和CMAR)首先发现满足最小支持度和置信度阈值的所有关联规则,然后对其进行后处理以保留最佳规则。对CorClass进行了实验评估,并与现有的关联分类算法如CBA、CMAR和Ripper、PART和C4.5等进行了比较。


zbMATH中的参考文献,1标准件)

显示第1到第5个结果,共5个。
按年份排序(引用)

  1. Le Bras,Yannick;Lenca,Philippe;Lallich,Stéphane:优化规则发现的优化方法(2012)
  2. Azevedo,Paulo J.;Jorge,Alípio Mário:抖动关联规则分类器的集合(2010)ioport公司
  3. Zimmermann,Albrecht;De Raedt,Luc:集群分组:从子组发现到集群(2009)ioport公司
  4. 陈耀华;姚益宇:基于数据算子的智能数据分析的多视角方法(2008)
  5. Zimmermann,Albrecht;De Raedt,Luc:CorClass:用于分类的关联规则挖掘(2004)