強跳躍顯露模式挖掘算法及其應用.pdf

1、分類是數(shù)據(jù)挖掘中一個很重要的研究課題，在神經(jīng)網(wǎng)絡、統(tǒng)計學以及機器學習等領域得到了廣泛的研究，但是大部分分類算法適用于小型數(shù)據(jù)集。強跳躍顯露模式(Strong Jumping Emerging Patterns，SJEP)是近年來提出的一種新穎的知識模式，它具有很強的區(qū)分能力。針對大型數(shù)據(jù)集而提出的基于SJEP的分類算法具有較高的分類準確度。本文主要針對SJEP的挖掘及分類算法做了一系列的研究，主要工作和貢獻包括以下幾點：
　　

2、(1)針對基于SJEP-樹的挖掘算法在挖掘過程中存在的冗余等問題，提出一種基于排序SJEP-樹的改進SJEP挖掘算法，該算法在頭表中設定標記域，過濾大量冗余的JEP；同時，在樹節(jié)點中存放項名在頭表中相應的序號，簡化構造排序SJEP-樹和后綴子樹的復雜度；引入鄰接表存儲SJEP，減少JEP的比較次數(shù)。實驗結果表明，改進后的算法的運行效率高于SJEP-樹挖掘算法；
　　 (2)針對SJEP-樹挖掘算法中存在的冗余問題，以及P-樹挖掘

3、算法頻繁合并子樹的問題，提出一種新穎的基于SP-樹的SJEP挖掘算法。該算法先統(tǒng)計該項橫向鏈表上不同節(jié)點的數(shù)目，然后判斷是否需要進行子樹合并，減少子樹合并的次數(shù)，并且在合并和遍歷子樹的時候，動態(tài)設置子樹節(jié)點中序號域的值，刪除冗余的樹枝。實驗結果表明，SP-樹挖掘算法挖掘SJEP的時間性能要優(yōu)于SJEP-樹挖掘算法：
　　 (3)采用分層十一折交叉驗證方法來評估SJEP分類算法的分類性能。實驗結果表明，對于同一數(shù)據(jù)集，在不同的最小