利用基本显露模式两阶段分类稀有类

分类稀有类在现实生活中的很多领域都有广泛的应用。文中给出一种分类框架,将两阶段思想与基于eEP的分类方法结合起来对稀有类分类。在UCI机器学习库的几个稀有类数据集上的实验表明:文中的算法不仅能够取得很好的分类准确率,而且在分类稀有类时可以达到较高的召回率和精确率。可以将本算法应用于现实生活的领域中进行稀有数据的分类。     

利用基本显露模式两阶段分类稀有类

分类稀有类在现实生活中的很多领域都有广泛的应用.文中给出一种分类框架,将两阶段思想与基于eEP的分类方法结合起来对稀有类分类.在UCI机器学习库的几个稀有类数据集上的实验表明:文中的算法不仅能够取得很好的分类准确率,而且在分类稀有类时可以达到较高的召回率和精确率.可以将本算法应用于现实生活的领域中进行稀有数据的分类.     

稀有类分类问题研究

探讨了稀有类问题的区分性、多态性、稀有性等主要特征,详述了稀有类分类算法的评估标准。研究了目前分类稀有类的四种方法,首次提出使用基本显露模式分类稀有类的思想。     

利用基本显露模式分类稀有类

提出了一种新的稀有类分类方法,称作VeEPRC.该方法使用一种特殊的EP(基本显露模式,eEP)构造基于eEP的分类器,并对它们"装袋",建立有效的组合分类器VeEPRC.在UCI机器学习数据库的基准数据集上的实验表明,VeEPRC不仅对稀有类具有较高的召回率和精度,而且具有较高的分类准确率.     

稀有类分类算法的研究

稀有类的分类问题在商业、金融、电信、科学研究等诸多的领域都有着广泛的应用,但是由于其难区分性、多态性、稀有性等主要的特征,使其传统的分类方法对于稀有类的分类来说,并没有良好的效果。因此对于稀有类分类问题的研究是具有理论及其实践意义的。将稀有类的现有分类算法分别进行了阐述,而且引入了专用于稀有类分类算法的评估标准。     

样本大小对稀有类分类的影响

分类稀有类在现实生活中的很多领域都有广泛的应用,但普通的分类算法在分类稀有类时往往失效.探讨了影响稀有类分类的各个因素,针对影响稀有类中的一个因素,样本大小对稀有类的影响进行了研究.对于UCI学习库中的三个数据集,在weka平台上使用Roration Forest进行实验,对于相同的类比率,使用unsupervised resample数据预处理方法使样本由小变大.结果表明在特定的类比率下,使样本变大,由数据的不平衡分布造成的分类错误下降,普通的分类算法在分类稀有类时往往也可以取得很好的分类结果.     

集成异种分类器分类稀有类

稀有类识别问题在现实生活的很多方面都有广泛应用.由于数据的高度倾斜,很多传统分类算法在稀有类上效果不佳.使用一种新的集成方法,称为EDKC(ensemble of different kind of classifiers)用来分类稀有类. EDKC集成不同的分类器形成组合分类器,并且通过加权投票表决对未知样本进行分类.在UCI机器学习数据库的多个稀有类数据集上的实验结果表明,EDKC对稀有类分类不仅具有较高的F-度量值,能达到目标类召回率和精度的平衡,而且能够取得很高的分类准确率.     

集成基于EP的分类器用于分类数据流

近年来,数据流挖掘已成为知识发现领域中的一个研究热点.数据流中数据的无限性和概念漂移等特征使得传统的分类算法不能很好地适用于数据流环境.提出了一种基于eEP的分类器集成算法CEEPCE(classification by eEP-based classifiers ensemble)对数据流进行分类.CEEPCE使用eEP建立基分类器,当新数据块流入时训练新的分类器,并调整集成分类器中的基分类器.依据基分类器在新流入数据上的分类误差对其进行加权,集成权重最高的若干个基分类器来分类未来数据.实验表明,与单分类器相比,CEEPCE具有更好的分类准确率,并足以与以C4.5为基分类器的集成方法相媲美.     

一种基于基本显露模式的分类算法

本文提出了一种新的基于EP的分类法CEEP。CEEP仅使用最短的EP(eEP)建立分类器,并使用不同于早先的基于EP的分类法(如,CAEP)的评分标准。文中还讨论了eEP的有效挖掘,最小支持度和最小增长率闽值的自适应选取等问题。在UCI机器学习库中的12个数据集上的实验表明,本文的分类方法具有很好的分类正确率。如何保证eEP有足够的度盖率,以及如何处理稀有类的分类,尚待进一步研究。此外,如何将装袋(bagging)和推进(bootstrap)的思想与CEEP的方法相结合,进一步提高分类的正确率,也是值得深入研究的问题。     

基于ROC曲线的两类分类问题性能评估方法

为了克服传统分类算法指标存在的不足,即分类准确度、精确度和检测概率等指标对类别先验概率不具有稳健性,采用基于雷达接收机工作特性曲线即ROC曲线的评估方法来评估两类分类算法,通过参数法或非参数法建立ROC曲线,使用几率点欧氏距离、曲线下面积、最佳阈值点等指标对两类算法进行性能评估.实验结果表明,相对于传统算法,基于ROC曲线的评估方法的性能得到了很大的提高,在分类器识别算法性能评估中是一种有效的评估方法.     

部分多值逻辑函数集中准完备集的分类问题研究

Sheffer函数的最简判定是多值逻辑函数集完备性判定问题中的一个重要的理论和实际问题。根据部分多值逻辑函数的完备性理论,研究了部分多值逻辑函数集中准完备集的分类问题,从而为解决部分多值逻辑中Sheffer函数的判定问题提供了研究基础。     

急切分类与懒散分类的研究

本文主要以决策树归纳算法和 k-最近邻分类算法为例 ,对数据挖掘中的急切分类算法和懒散分类算法进行了比较 ,并介绍了一种具有这两类分类算法优点的新的分类算法及该算法的实现方法     

类动态更新事务研究

针对软件单个类的动态更新操作存在许多限制,例如不允许删除类、方法等,提出类动态更新事务的方法,利用动态更新类集来克服这些限制,同时保证更新的安全性。基于此,对动态更新事务的一些属性,如ACID进行讨论,提出类型安全的类动态更新事务并进行了证明。最后,以Java语言为例,说明了如何构造动态更新程序,并进行了相应的实验,说明了方法的可行性。     

基于面向对象程序的类动态更新研究

从理论和实际2个方面出发，对面向对象程序动态更新的不同侧面进行研究，提出解决面向对象程序动态更新的方法。引入动态更新事务的概念，既克服了面向对象程序更新只能对类实行一些简单更新的限制，又保证了更新的类型安全性。对于Java程序设计，提出一种可动态更新程序的Java设计方法。实验结果表明，该方法是有效可行的。     

恶意软件分类方法研究

在详细论述恶意软件的工作原理、运行机制的基础上,对各类恶意软件进行系统的分类,阐述各类恶意软件间的关系,归纳恶意软件的发展趋势并给出阻断恶意软件的方法。