本文已被：浏览 1791次 下载 4210次
Received:November 11, 2008
Received:November 11, 2008
中文摘要: 关联分类是数据挖掘及机器学习领域的一个研究热点。利用原子关联分类算法（CAAR）建立了数据模型的机器学习系统，详细说明了CAAR 算法的分类步骤并给出了算法的伪代码表示。在UCI 提供的标准数据集上进行测试，实验验证了在大规模数据集中，在不同的抽样率情况下，原子关联分类算法的分类准确度，用数据的方式与其他分类算法做了比较。对数据集记录次序的依赖性进行的10-折交叉验证实验表明，原子关联分类算法的分类准确度要高于CBA 算法。
中文关键词: 数据挖掘 原子关联规则 分类 机器学习
Abstract:
keywords:
文章编号： 中图分类号： 文献标志码：
基金项目:
| Author Name | Affiliation |
| 晁玉宁 | 广东工业大学 计算机学院 广东 广州 510006 |
| 许孝元 | 广东工业大学 计算机学院 广东 广州 510006 |
| Author Name | Affiliation |
| 晁玉宁 | 广东工业大学 计算机学院 广东 广州 510006 |
| 许孝元 | 广东工业大学 计算机学院 广东 广州 510006 |
引用文本：
晁玉宁,许孝元.基于关联规则的分类模型系统.计算机系统应用,2009,18(7):80-83
.Classification Modeling System Based on Association Rule.COMPUTER SYSTEMS APPLICATIONS,2009,18(7):80-83
晁玉宁,许孝元.基于关联规则的分类模型系统.计算机系统应用,2009,18(7):80-83
.Classification Modeling System Based on Association Rule.COMPUTER SYSTEMS APPLICATIONS,2009,18(7):80-83
