基于Boosting技術(shù)的顯露模式集成分類算法.pdf

1、隨著數(shù)據(jù)信息規(guī)模的日益膨脹,數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生,數(shù)據(jù)挖掘是一種從大量的數(shù)據(jù)中挖掘和提取有用知識(shí)的技術(shù)。作為一種重要的數(shù)據(jù)分析和處理方式,分類問題多年來一直是機(jī)器學(xué)習(xí)、模式識(shí)別和統(tǒng)計(jì)學(xué)領(lǐng)域的一個(gè)重要研究課題,目前也成為數(shù)據(jù)挖掘的一個(gè)重要任務(wù)。由于分類技術(shù)有著廣泛的應(yīng)用前景,研究人員提出了很多的分類方法。研究發(fā)現(xiàn),現(xiàn)有的各種分類方法都有各自的優(yōu)點(diǎn)與不足;另外各種分類算法都不是孤立的,它們之間可以彼此借鑒,實(shí)際應(yīng)用中性能良好的分類問題解決方

2、案往往是多種分類方法綜合作用的結(jié)果。
　　 本文基于上述研究結(jié)論,我們提出使用集成學(xué)習(xí)方法對(duì)分類器進(jìn)行集成組合,來實(shí)現(xiàn)提高分類器分類精度的目的。圍繞這一構(gòu)想,我們對(duì)顯露模式這一簡(jiǎn)單直觀的知識(shí)模式進(jìn)行了深入探討。顯露模式是指那些從一個(gè)數(shù)據(jù)集到另一個(gè)數(shù)據(jù)集支持度發(fā)生顯著變化的項(xiàng)集,這些項(xiàng)集能夠捕獲目標(biāo)類和非目標(biāo)類上多組屬性之間的不同,具有很好的區(qū)分性。由于顯露模式的上述優(yōu)勢(shì),我們選擇基于顯露模式來構(gòu)建本文提出的集成分類算法的基分類器

3、。本文選擇基于Boosting學(xué)習(xí)方法來對(duì)構(gòu)建的基分類器進(jìn)行集成組合。提出了一種基于Boosting技術(shù)的顯露模式集成分類算法。在選定的基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)測(cè)試結(jié)果顯示,提出的基于Boosting技術(shù)的顯露模式集成分類算法取得了總體上優(yōu)于C4.5、CBA、CAEP以及NB等優(yōu)秀分類算法的分類精度,并且取得了比基于Bagging學(xué)習(xí)方法構(gòu)建的顯露模式集成分類算法性能更好的分類結(jié)果。此外,實(shí)驗(yàn)結(jié)果還驗(yàn)證了基于Boosting技術(shù)對(duì)多個(gè)分類器進(jìn)