基于置信规则库推理的二择众仓分类方法
2018-06-29方志坚傅仰耿陈建华
数据采集与处理 2018年3期
方志坚 傅仰耿 陈建华
(福州大学数学与计算机科学学院,福州, 350116)
引 言
随着互联网络及媒体设备的高速发展,各个行业领域每时每刻均在产生大量的数据。数据信息量的激增导致了海量数据库的产生,如何在海量信息源中提取隐藏和有价值的信息,并应用这些信息构建决策支持的模型一直在商务管理、生产控制和市场分析等领域有着强烈的需求。因此数据挖掘如今成为一个热门的研究领域。数据分类是数据挖掘领域中一个重要的分支,这是由于大多数的实际工程问题均能转换成分类问题。分类就是利用已知标签的数据来构建相关的模型,进而确定未知类别数据标签的决策过程。
目前已经有许多经典的分类算法被提出,例如:K近邻[1]、支持向量机[2]和粗糙集[3]等方法。K近邻算法原理相对简单,方法易于实现,并且支持增量学习,具有对复杂决策空间进行建模的能力,其缺点在于寻找近邻点需要大量的计算,且当数据中包含弱相关属性时,其分类精度会下降;支持向量机在已知核函数的情况下,能够大大减少对高维问题的求解复杂度,其在一定程度上具有泛化推广的能力,因此也导致了支持向量机的分类精度十分依赖核函数的选择,而如何选择核函数一直是一个公认的难题;粗糙集的优点在于不需要附加信息或先验知识,就能够处理存在不精确乃至不完整数据的问题。但它只能处理离散化的属性,且产生的决策规则不稳定,准确率有待提高。……
登录APP查看全文
