基于顯現(xiàn)模式分類能力的限制性貝葉斯網(wǎng)絡(luò)分類算法.pdf

1、數(shù)據(jù)挖掘是研究從大量數(shù)據(jù)中用非平凡的方法發(fā)現(xiàn)有用知識的理論與方法。分類作為數(shù)據(jù)挖掘的一個重要課題，在統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)中得到了廣泛的研究，在分類方法研究中，利用“屬性-值”序偶模式構(gòu)造分類器是一種重要的技術(shù)，其中，基于顯現(xiàn)模式構(gòu)造的分類器在分類特征表現(xiàn)明顯的情況下具有較高的分類精度，但對數(shù)據(jù)特征不明顯的數(shù)據(jù)集合，分類效果卻較差. 本文首先介紹了分類的相關(guān)概念及基本技術(shù)，隨后詳細(xì)介紹了顯現(xiàn)模式的基本概念及有效的使

2、用邊界操作挖掘顯現(xiàn)模式的MBD-LLBORDER算法，然后簡要分析比較了目前幾種基于顯現(xiàn)模式的分類方法，最后，本文給出了兩個利用顯現(xiàn)模式進(jìn)行分類的算法.一個是基于顯現(xiàn)模式分類能力，同時利用貝葉斯網(wǎng)絡(luò)分類器的穩(wěn)定性，構(gòu)造的限制性貝葉斯分類算法，本文提出了一種新的度量顯現(xiàn)模式分類能力的方法，該度量方式進(jìn)一步反映了貝葉斯分類器中屬性之間的依賴關(guān)系.這種限制性貝葉斯分類器從本質(zhì)上減弱了樸素貝葉斯分類器的屬性條件獨(dú)立性假設(shè).另一個是基于特殊顯現(xiàn)模