×
谢志鹏；徐文恩；刘宗田；李梦丽

基于概念格的复合分类器具有较高的可预测性。 （英语） Zbl 1024.68028号

J.实验理论。Artif公司。智力。 14，编号2-3143-156（2002）.
概念格模型是形式概念分析的核心结构，已成功应用于软件工程和知识发现。本文将简单的基分类器（Naive Bayes或Nearest Neighbour）集成到概念格的每个节点中，形成一个新的组合分类器。开发了两个新的分类系统，CLNB和CLNN，它们使用有效的约束来搜索有趣的模式，并使用投票策略来对新对象进行分类。CLNB将朴素贝叶斯基分类器集成到概念节点中，而CLNN将最近邻基分类器集成在概念节点中。实验结果表明，这两种组合分类器大大提高了相应基分类器的准确率。此外，CLNB甚至优于其他三种最先进的分类方法，即NBTree、CBA和C4.5规则。

引用于1文件

MSC公司：

第68页，共15页 数据库理论
06B99号 格子

关键词：

概念格模型；形式概念分析

软件：

UCI-毫升；4.5条
PDF格式BibTeX公司 XML格式引用
\textit{Z.Xie}等人，J.Exp.Theor。Artif公司。智力。14、编号2--3、143-156（2002；Zbl 1024.68028）
全文： 内政部

参考文献：

[1] Aha D.W.，《懒惰的学习》（1997）
[2] Blanzieri，E.和Ricci，F.最近邻分类的最小风险度量。第十六届机器学习国际会议记录。斯洛文尼亚布莱德。第22-31页。
[3] Breiman L.，《机器学习》，第24页，第123页–（1996年）
[4] Dasarathy B.，最近邻（NN）规范：NN模式分类技术（1991）
[5] DOI:10.1023/A:1007413511361·Zbl 0892.68076号 ·doi:10.1023/A:1007413511361
[6] 杜达·R，模式分类和场景分析（1973）·Zbl 0277.68056号
[7] Fayyad，U.M.和Irani，K.B.分类学习中连续值属性的多间隔离散化。IJCAI-93会议记录，第1022–1027页。
[8] 内政部：10.1006/inco.1995.1136·Zbl 0833.68109号 ·doi:10.1006/inco.1995.1136
[9] 数字对象标识码：10.1023/A:1007465528199·Zbl 0892.68077号 ·doi:10.1023/A:1007465528199
[10] Ganter B.，形式概念分析：数学基础（1999）·Zbl 0909.06001号
[11] Godin R.，理论计算机科学，数据库和软件工程形式化方法专题133 pp 387–（1994）
[12] Kohavi，R.提高Naive-Bayes分类器的准确性：决策树混合。第二届知识发现和数据挖掘国际会议论文集。加利福尼亚州门洛帕克，第202–207页。AAAI出版社。
[13] Liu，B.，Hsu，W.和Ma，Y.集成分类和关联规则挖掘。第四届知识发现和数据挖掘国际会议论文集。美国纽约，第80-86页。
[14] Mephu-Nguifo，E.Galois格子：概念学习、设计、评估和细化的框架。第六届人工智能工具国际会议论文集。美国新奥尔良，第461-467页。IEEE出版社。
[15] Merz C.J.，机器学习数据库UCI知识库（1996）
[16] 内政部：10.1016/0031-3203（90）90123-3·doi:10.1016/0031-3203（90）90123-3
[17] Njiwoua，P.和Mephu-Nguifo，E.《实验的回归：LEGAL-E中学习偏见的研究》，《BENELEARN-96会议录》。第57-68页。马斯特里赫特：林堡大学。
[18] Pasquier N.，《信息系统》，第19页，第33页–（1999年）
[19] 昆兰J.R.，C4.5：机器学习程序（1993）
[20] Sahami，M.使用格学习分类规则（扩展抽象）。第八届欧洲机器学习会议记录。德国柏林。第343–346页。斯普林格-弗拉格。
[21] 内政部：10.1109/TIT.11981.1056403·Zbl 0464.62047号 ·doi:10.1109/TIT.11981.1056403
[22] Wille R.，《有序集》第445页–（1982）
[23] DOI:10.1023/A:1007613203719·Zbl 02180966号 ·doi:10.1023/A:1007613203719
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。