论文部分内容阅读
传统的基于规则的分类算法多是采用顺序覆盖技术训练分类规则，这使得训练得到的模型覆盖大量的非目标类实例，分类时效果差．基于规则的两阶段分类算法，能够很好的去除模型覆盖的非目标类实例，分类时能取得比较好的结果．EP在分类大型数据库时能够提高分类效率，eEP（Essential Emerging Patterns）是一种特殊的EP，较EP能够减少分类噪音．本文中我们构造一个新颖的分类算法，基于eEP的两阶段分类方法（即EEPCTP），并使用UCI机器学习库中的10个数据集做实验，实验表明EEPCTP分类法取得了