帮助 关于我们

返回检索结果

特征的支持度与其分类能力的关系研究
Research on the Relationship of the Support and the Discriminative Ability for Classification of Features

查看参考文献17篇

尹建芹 1   田国会 2   魏军 3   李金屏 3   林佳本 4  
文摘 频繁模式挖掘在分类问题中得到了广泛的应用,大量的工作利用频繁模式挖掘对分类问题进行特征选择,但对于为什么频繁模式挖掘可以在分类问题中进行有效的特征选择则缺乏系统的研究。为了为频繁模式挖掘在分类问题中的特征选择应用提供理论基础,需要确立特征的支持度与特征分类能力之间的关系,本文以特征的信息增益作为分类能力的评价准则,讨论其与特征支持度之间的联系。首先证明了信息增益是特征支持度的上凸函数;然后,在二类问题和多类问题情况下,分别证明了具有低支持度或高支持度的特征具有有限的信息增益,即具有低支持度或高支持度的特征具有有限的分类能力。最后,通过仿真实验验证了支持度与信息增益之间的关系,为频繁模式挖掘在分类问题中的应用提供了理论基础。
其他语种文摘 Frequent pattern mining is used widely in feature selection for classification problem .In order to provide theoretical basis for the application ,we established the relationship between the classification discriminative ability and the support of the feature .Information gain was adopted as evaluation criteria ,and we discussed the connection between the support of the feature and its discriminative ability .Firstly ,we proved the information gain is a concave function about the support of the feature ;secondly ,we proved the conclusion that the feature with too-high or too-low support has limited discriminative ability under the two classes and multiple classes circumstances separately ;Finally ,simulation experiments validate our conclusions .And the conclusion provides a theoretical basis for the application of frequent pattern mining in classification problems .
来源 电子学报 ,2015,43(2):248-254 【核心库】
DOI 10.3969/j.issn.0372-2112.2015.02.007
关键词 频繁模式 ; 分类 ; 特征选择 ; 信息增益
地址

1. 济南大学信息科学与工程学院, 山东省网络环境智能计算技术重点实验室;;中国科学院太阳活动重点实验室, 山东, 济南, 250022  

2. 山东大学控制科学与工程学院, 山东, 济南, 250061  

3. 济南大学信息科学与工程学院, 山东省网络环境智能计算技术重点实验室, 山东, 济南, 250022  

4. 中国科学院太阳活动重点实验室, 中国科学院太阳活动重点实验室, 北京, 100012

语种 中文
文献类型 研究性论文
ISSN 0372-2112
学科 自动化技术、计算机技术
基金 中科院太阳活动重点实验室开放课题 ;  山东省高等学校科技发展计划 ;  国家自然科学基金
文献收藏号 CSCD:5375574

参考文献 共 17 共1页

1.  陈晓云. 基于分类规则树的频繁模式文本分类. 软件学报,2006,17(5):1017-1025 CSCD被引 12 次    
2.  Lodhi H. Text classification using string kernels. Journal of Machine Learning Research,2002,2(3):419-444 CSCD被引 33 次    
3.  Li Y. Text document clustering based on frequent word meaningsequences. Data and Knowledge Engineering,2008,64(1):381-404 CSCD被引 5 次    
4.  赵建邦. 一种用于生物网络数据的频繁模式挖掘算. 电子学报,2010,38(8):1803-1807 CSCD被引 5 次    
5.  Young-Rae Cho. Predicting protein function by frequent functional association pattern mining in protein interaction networks. IEEE Transactions on Information Technology in Biomedicine,2010,14(1):30-36 CSCD被引 1 次    
6.  Alves R. Gene association analysis:a survey of frequent pattern mining from gene expression data. Briefings in Bioinformatics,2010,11(2):210-224 CSCD被引 2 次    
7.  Hong Cheng. Discriminative frequent pattern analysis for effective classification. IEEE 23rd International Conferenceon Data Engineering,2007:716-725 CSCD被引 1 次    
8.  Han Jiawei. Frequent pattern mining:current status and future directions. Journal of Data Mining and Knowledge Discovery,2007,15(1):55-86 CSCD被引 24 次    
9.  Carl H. Sequential pattern mining-approaches and algorithms. ACM Computing Surveys,2013,45(2):1-19 CSCD被引 6 次    
10.  高琳. 图数据中频繁模式挖掘算法研究综述. 电子学报,2008,36(8):1603-1609 CSCD被引 5 次    
11.  万里. 一种基于频繁模式的时间序列分类框架. 电子与信息学报,2010,32(2):261-266 CSCD被引 1 次    
12.  Lee Jae Gil. Mining discriminative patterns for classifying trajectories on road networks. IEEE Transactions on Knowledge and Data Engineering,2011,23(5):713-726 CSCD被引 1 次    
13.  Bishop C M. Pattern Recognition and Machine Learning,2006:55-57 CSCD被引 1 次    
14.  Stephen B. Convex Optimization,2004:136-146 CSCD被引 1 次    
15.  Michalski R S. The multi-purpose incremental learningsystem AQ15 and its testing application to three medical domains. Proceedings of the Fifth National Conference on Artificial Intelligence,1986:1041-1045 CSCD被引 1 次    
16.  Guyon I. Result analysis of the NIPS 2003 featureselection challenge. Proceedings on Advances in Neural Information Processing Systems,2004:545-552 CSCD被引 1 次    
17.  Rocha A R. Diagnostic of pathology on the vertebral column with embedded reject option. Proceedings of the 5th Iberian Conference on Pattern Recognition and Image Analysis,2011:588-595 CSCD被引 1 次    
引证文献 1 篇

1 周传华 基于filter+wrapper模式的特征选择算法 计算机应用研究,2019,36(7):1975-1979,2010
CSCD被引 9 次

显示所有1篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号