基于粒子群的小析取規(guī)則發(fā)現(xiàn)算法研究.pdf

1、本文主要介紹的是數(shù)據(jù)挖掘中非常有名的預測樣例類別的分類問題。分類問題的任務是對已有類別的數(shù)據(jù)集用分類器挖掘一組規(guī)則集來預測新樣例數(shù)據(jù)的類別。一個分類規(guī)則集表示為一組規(guī)則的析取，其中的每一條規(guī)則就是一個析取項。小析取規(guī)則就是那些分類過程中僅能覆蓋很少訓練樣例的規(guī)則。它們從天然特性上看就具有錯誤傾向和不可靠性。然而，盡管一個小析取規(guī)則的覆蓋量很小，但是所有小析取規(guī)則合起來就能覆蓋大量的樣例，這樣就會嚴重降低整組規(guī)則的分類準確率。所以研究一種

2、新的有效的小析取規(guī)則的發(fā)現(xiàn)和處理機制具有很重要的意義。
　　 目前針對于小析取規(guī)則的國內(nèi)外研究成果相對較少，由于對小析取規(guī)則的定義和評價方法比較單一，沒有一個公認好評的標準，所以本文提出了一種新的小析取規(guī)則的動態(tài)評價方法，綜合考慮了樣例空間和錯誤率兩個因素，引入了模糊理論，設置了具體的衡量方法。其次，通過對小析取問題的研究發(fā)現(xiàn)最大一般性偏見適合處理大析取規(guī)則，最大特殊性偏見適合處理小析取規(guī)則，而且用組合方式處理小析取問題效果較好