何田中，周忠眉，黄再祥

(闽南师范大学计算机科学与工程系，福建 漳州 363000)

1 概述

分类技术一直是数据挖掘技术中研究的热点之一，近年来提出了各种不同的分类技术，如:将近似求导引入分类［1］，使用最近邻进行分类［2］等。为了提高不平衡数据集分类准确率，文献［3］使用KNN技术，文献［4］提出基于Boosting 技术。规则式分类一直是分类技术的重要方法之一，近年来也提出了许多规则式分类技术，如:基于DE/QDE 算法技术［5］，具有多标准分类技术［6］，分层模糊化规则分类技术［7］，进化的规则式系统［8］等。规则式分类具有分类速度快特点，因此规则式分类技术也得到了较为广泛的应用，如:肺癌评估［9］，预测蛋白质相互作用类型［10］等。规则式分类技术抽取一条新规则时，使用某种度量获取“最好”属性值添加到当前规则中。如ID3、C4.5［11］算法分别使用信息熵及信息增益来选择“最好”属性，信息熵及信息增益都是单一度量，使用它们度量属性时存在很多度量值相等的“最好”属性，导致上述算法很难选择出真正的“最好”属性。FOIL［12］算法使用FOIL 增益来度量，FOIL增益是支持数与相关度的乘积。当支持数较大时，相关度几乎不起任何作用，使用FOIL 增益也不能选择出“最好”的属性值。

规则式分类技术抽取一条新规则时，不断选择出“好”属性值添加到规则中，直到该规则置信度100%为止，然后抽取下一条规则。这种学习方法容易导致过度学习，规则的支持度小、质量不高，并且使规则抽取更为耗时。如在ID3 算法中，当节点包含的实例为同一类时，分枝结束;此时的规则置信度为100%。……