基于關(guān)聯(lián)規(guī)則的分類模型發(fā)現(xiàn)算法研究.pdf

1、隨著社會信息化程度的提高，數(shù)據(jù)量呈指數(shù)增長，從大量數(shù)據(jù)中挖掘有價值的知識在當(dāng)今信息時代具有重要意義。 在數(shù)據(jù)挖掘的各個分支中，關(guān)聯(lián)規(guī)則挖掘和分類挖掘是兩個高度活躍的領(lǐng)域，其應(yīng)用范圍也非常廣泛。因此，可以利用關(guān)聯(lián)和分類的相似性用關(guān)聯(lián)挖掘算法來完成分類任務(wù)，這種分類算法就是關(guān)聯(lián)分類挖掘算法。關(guān)聯(lián)分類法將關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用于分類領(lǐng)域，構(gòu)建了一種新的更準(zhǔn)確的分類器。由于關(guān)聯(lián)規(guī)則挖掘在挖掘大量數(shù)據(jù)之間的潛在相關(guān)性方面的優(yōu)勢和良好的擴展適

2、應(yīng)性，使得在其基礎(chǔ)上的關(guān)聯(lián)分類技術(shù)有廣闊的應(yīng)用空間。自1998年出現(xiàn)第一個基于關(guān)聯(lián)規(guī)則的分類算法（CBA）以來，關(guān)聯(lián)分類算法的設(shè)計及應(yīng)用研究一直非?；钴S。目前，在關(guān)聯(lián)分類問題上存在的共識是：關(guān)聯(lián)分類的準(zhǔn)確度總體上顯著地高于傳統(tǒng)的決策樹分類，但關(guān)聯(lián)分類存在的主要問題是產(chǎn)生太多的關(guān)聯(lián)規(guī)則，導(dǎo)致計算速度慢、內(nèi)存開銷大、分類模型難以理解。 本文基于上述的研究背景，主要研究了基于原子關(guān)聯(lián)規(guī)則的分類新技術(shù)CAAR（Classificatio

3、n based on Atomic Association Rules）。CAAR基于人工智能原理，模仿人類利用“突出特征和先易后難策略”進行分類，消除了關(guān)聯(lián)規(guī)則挖掘時的“組合爆炸效應(yīng)”。就算法的性能來看CAAR有不俗的業(yè)績，其分類的準(zhǔn)確度和模型的可理解性都優(yōu)于決策樹與CBA。本文主要進行了CAAR算法的抗干擾性研究，并提出了基于屬性加權(quán)和附加屬性的兩種改進算法，提高了分類模型的預(yù)測準(zhǔn)確性。本文的主要研究工作如下： （1）綜述了

4、關(guān)聯(lián)分類技術(shù)的國內(nèi)外研究現(xiàn)狀。 （2）對分類問題進行了形式化描述，分析了現(xiàn)有關(guān)聯(lián)分類算法的分類原理和優(yōu)缺點，并給出了分類器的構(gòu)建步驟。 （3）在不同數(shù)據(jù)集上對CAAR算法的抗干擾性進行了測試。 （4）在原CAAR算法的基礎(chǔ)上，提出了一種基于屬性加權(quán)的分類算法，并測試了該算法的分類準(zhǔn)確性。 （5）數(shù)據(jù)集中通過添加附加屬性的方法，提高了CAAR算法對多屬性依賴數(shù)據(jù)集的分類準(zhǔn)確度。 本文的創(chuàng)新之處是：

5、 （1）將屬性加權(quán)的思想引入到了原子關(guān)聯(lián)規(guī)則分類算法中。在CAAR分類的基礎(chǔ)上，得到分類誤差率，并計算得出幅度調(diào)整因子，通過調(diào)整權(quán)重系數(shù)來提高分類的準(zhǔn)確度。 （2）通過在數(shù)據(jù)集中增加附加屬性的方法，提高了CAAR算法在多屬性依賴數(shù)據(jù)集上的分類準(zhǔn)確度。 本文的內(nèi)容分為六章，第一章介紹了本課題的研究背景和國內(nèi)外研究現(xiàn)狀；第二章介紹了相關(guān)的概念、關(guān)聯(lián)分類領(lǐng)域的背景知識和兩種經(jīng)典的分類算法；第三章介紹了原子關(guān)聯(lián)分類算法的分