《表8 IAMC和CBA算法的G-mean和F-score度量比较》
针对传统关联分类中高质量的规则不多、规则不能覆盖全部训练实例的问题.本文提出了基于多度量和多次学习的改进算法IAMC.改进的算法中,对数据集进行了多次关联分类来产生更多的规则.使用综合考虑了置信度和补类支持度的关联度生成规则,以提高生成规则的质量.对没有被覆盖和冲突实例采用建决策树的方式再次提取规则,做到了对训练实例百分百的覆盖.实验结果证明IAMC算法可以提出更多高质量规则,在部分数据集上比关联分类及其改进算法具有更好的表现.
图表编号 | XD0071368500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.30 |
作者 | 李家辉、周忠眉 |
绘制单位 | 闽南师范大学计算机学院、数据科学与智能应用福建省高等学校重点实验室、闽南师范大学计算机学院、数据科学与智能应用福建省高等学校重点实验室 |
更多格式 | 高清、无水印(增值服务) |