CMAR

CMAR:基于多类关联规则的精确高效分类。以往的研究表明,关联分类在处理非结构化数据时具有较高的分类精度和较强的灵活性。然而,由于分类仅基于单一的高置信度规则,它仍然存在大量挖掘出的规则集,有时还会出现分类有偏差或过度拟合的问题。提出了一种新的关联分类方法CMAR,即基于多个关联规则的分类。该方法扩展了一种高效的频繁模式挖掘方法FP-growth,构造了类分布相关的FP-tree,有效地挖掘了大型数据库。此外,该算法采用CR树结构高效地存储和检索挖掘出的关联规则,并根据可信度、相关性和数据库覆盖率对规则进行有效的修剪。分类基于加权/spl chi//sup 2/分析,使用多个强关联规则。我们对UCI机器学习数据库库中的26个数据库进行了大量的实验,结果表明CMAR具有一致性,对各类数据库的分类效率高,与CBA和C4.5相比具有更好的平均分类精度。此外,我们的性能研究表明,与其他已有的关联分类方法相比,该方法具有高效性和可扩展性。


zbMATH中的参考文献(参考文献50篇文章)

显示第1到第20个结果,共50个。
按年份排序(引用)
  1. 阿兹米,穆罕默德;伦格,乔治·C。;Berrado,Abdelaziz:分类数据空间中分类的可解释正则化类关联规则算法(2019)
  2. Häää伊宁,威廉米娜;韦伯,杰弗里一世:统计声音模式发现教程(2019)
  3. 安吉丽诺,伊莲;尼古拉斯·斯通;亚拉比,但以理;萨尔茨,玛歌;Rudin,Cynthia:学习分类数据的可证明最优规则列表(2018)
  4. 鲁丁,辛西亚;埃提金,Şeyda:使用数学规划学习定制和优化的规则列表(2018)
  5. 王彤;鲁丁,辛西亚;多西·维莱兹,大结局;刘益民;克拉普夫,埃里卡;Macneille,Perry:可解释分类学习规则集的贝叶斯框架(2017)
  6. 埃斯米,埃斯特夫ão;苏斯纳,彼得;Sandri,Sandra:可调等效模糊联想记忆(2016)
  7. 哈吉,萨拉;多明戈·费勒,约瑟普;蒙瑞尔,安娜;佩德雷希,恐龙;Giannotti,Fosca:歧视和隐私意识模式(2015)
  8. 本杰明莱瑟姆;鲁丁,辛西亚;麦考密克,泰勒H。;Madigan,David:使用规则和贝叶斯分析的可解释分类器:构建更好的中风预测模型(2015)
  9. 南迪尼,M。;西瓦南丹。N、 :基于增益比和T检验的改进预测关联规则分类器在医疗数据诊断中的应用(2015)ioport公司
  10. 阮、党;阮,贷款T。T、 。;哇,海湾;洪宗培:一种新的约束类关联规则挖掘方法(2015)
  11. 贝特布格,迪米特里;勒罗伊,弗兰çois-Henri:重叠径向基函数插值用于特征值函数的光谱精确逼近及其在复合材料板屈曲中的应用(2014)
  12. 可汗,萨拉巴特;拜格,阿卜杜勒·劳夫;阿里,阿姆根;海德,比拉尔;可汗,法曼阿里;杜拉尼,迈尔·叶海亚;Ishtiaq,Muhammad:使用蚁群优化的无序规则发现(2014)
  13. 沙哈拉尼,I。N。M、 。;Hadzic,F.:频繁、封闭和最大关联规则分类的评估与优化(2014)
  14. 郑一峰;黄再祥;何天忠:云计算下基于属性值权重和元组权重的分类(2013)ioport公司
  15. 莱布拉斯,扬尼克;伦卡,菲利普;拉利奇,圣éphane:最优规则发现的优化方法(2012)
  16. 哦,罗莎;巴卡尔,迪潘卡;Iceo,Dino:矿脉:基于正、负观测组合构建的基于距离的分类器(2012)ioport公司
  17. 维罗妮卡L.警察局。;皮特拉马拉,阿德里安娜;Rullo,Pasquale:GAMoN:通过基于格的遗传算法发现文本分类的(M)-of-(N^\neg,\lor)假设(2012)
  18. 宋,秦宝;王光涛;王超:基于数据集特征的分类算法自动推荐(2012)ioport公司
  19. 王欣;刘晓东;佩德里茨,威托德;朱小蕾;胡光飞:分类问题的公理模糊集关联规则挖掘(2012)
  20. 杨秉如;屈,吴;王立军;周颖:一种新的智能预测系统模型复合金字塔模型(2012)ioport公司