關聯(lián)分類改進及不平衡數(shù)據(jù)分類算法研究.pdf

1、分類是數(shù)據(jù)挖掘領域的一項重要任務，它是學習出分類器模型并預測未知實例的類標號的技術。關聯(lián)分類是一種具有規(guī)則多和分類精度較高的分類算法?；谥С侄群椭眯哦仁悄壳瓣P聯(lián)分類算法中最為經典的一種框架，然而這種關聯(lián)分類無法很好度量項集與類的關系，也沒有考慮訓練集中各類所占比例關系，導致在數(shù)據(jù)集類分布不均情況下分類效果并不理想。此外，不平衡數(shù)據(jù)的分類今年來已成為研究熱點問題。在不平衡數(shù)據(jù)集中，某一類的樣本數(shù)遠小于其它類的樣本數(shù)，而傳統(tǒng)的分類技術是以

2、尋求整體分類精度的最大化為目標，導致對小類樣本的預測往往出現(xiàn)誤判。但在現(xiàn)實實踐中，小類往往具有更高的應用價值，錯分小類具有很高的代價。因此，在不平衡數(shù)據(jù)分類問題中，提高對小類樣本的辨識能力而沒有以犧牲大類樣本的準確率為代價，是具有極大挑戰(zhàn)性的。針對關聯(lián)分類和不平衡數(shù)據(jù)分類的這兩個問題，本文的研究工作主要如下：
　　首先，提出了基于支持度和增比率的改進分類算法ACSER。ACSER是對經典的基于支持度和置信度的關聯(lián)分類算法進行改進，

3、提取頻繁項集增比模式作為候選分類規(guī)則集。同時，利用綜合考慮多因素的規(guī)則強度度量對規(guī)則集排序和剪枝，使規(guī)則的優(yōu)先級較合理，最終提高了分類準確率。
　　其次，提出了基于自適應實例權重的在不平衡數(shù)據(jù)上的新關聯(lián)分類算法ACIW。ACIW根據(jù)原始不平衡訓練集中的每條小類例子到大類例子的距離遠近，依次自動地增加各小類例子的權重，使越難學習的小類樣本獲得越高的權重值。對賦權訓練集，采用改進關聯(lián)算法ACSER進行學習，并構建分類器。實驗結果顯示，

4、ACIW不僅有效提高了小類規(guī)則的數(shù)量和優(yōu)先級，而且在保持較高整體分類精度情況下顯著提高了對小類樣例的識別率。
　　最后，提出了基于自適應合成過采樣在不平衡數(shù)據(jù)集上的集成學習算法ASMOTE-Boost。該算法先通過k-近鄰方法找到噪聲點，將其刪除。再充分考慮數(shù)據(jù)的樣本分布特點，根據(jù)小類樣本難易學習程度決定自適應合成倍率，越難學習的合成率越大。通過F-measure和G-mean等度量的大量實驗驗證，表明本文的自適應合成過采樣方法與