基于支持度和增比率的改進關聯分類算法
大小：0.46 MB 人氣： 2017-12-05 需要積分：2
標簽：分類算法(9912)
關聯分類是一項重要的分類技術，目前普遍采用基于支持度和置信度的關聯分類模式。但是，用支持度度量項集的分類能力過于簡單，且置信度不能度量項集與類的相關性，所以利用支持度和置信度容易產生質量不好的規則。提出改進的關聯分類算法 ACSER。ACSER不僅考慮項集到本類的支持度，也考慮項集到補類的支持度。首先，提取頻繁增比模式作為分類候選規則集；其次，利用置信度和增比率度量規則的強度，按照其強度進行排序和剪枝；最后，選擇足條最優的規則進行預測。在1 6個UCI數據集上的實驗結果表明，改進的分類算法ACSER與傳統的分類算法相比有更高的分類準確率。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于支持度和增比率的改進關聯分類算法下載
相關電子資料下載
- 機器學習有哪些算法？機器學習分類算法有哪些？機器學習預判有哪些算法？ 1621
- 每日一課 | 智慧燈桿視覺技術之圖像分類算法與步驟分解 322
- 基于卷積神經網絡的垃圾圖像分類算法 857
- 經典圖像分類算法AlexNet介紹 5041
- 回顧一下機器學習分類算法 2156
- 人工智能引發的圖像分類算法 3713
- 各類機器學習分類算法的優點與缺點分析 3403
- 詳解機器學習分類算法KNN 5844
- 人工智能在垃圾經濟的機遇和挑戰 923
- 帶你入門常見的機器學習分類算法——邏輯回歸、樸素貝葉斯、KNN、SVM、決策樹 9873