基于新的规则评价方法的关联分类

摘要

关联分类具有较高的分类精度和较强的适应性,然而由于分类器是由一组高置信度的规则构成,有时会存在过度拟合问题。本文提出了新的规则评价方法,它综合考虑规则的置信度和支持度,克服了传统方法过分强调置信度的缺点,从而解决了过度拟合问题。实验结果表明本文方法在分类精度上优于See5,CBA和CMAR。在应用于医疗图像处理和汉字识别领域时,得到很好的分类效果。