數據流貝葉斯分類算法
大小：1.26 MB 人氣：0 2017-12-25 需要積分：2
基于模式的貝葉斯分類模型是解決數據挖掘領域分類問題的一種有效方法，然而，大多數基于模式的貝葉斯分類器只考慮模式在目標類數據集中的支持度，而忽略了模式在對立類數據集合中的支持度．此外。對于高速動態變化的無限數據流環境，在靜態數據集下的基于模式的貝葉斯分類器就不能適用．為了解決這些問題。提出了基于顯露模式的數據流貝葉斯分類模型EPDS（Bayesian classifier algorithm based on emerging pattem for data stream）．該模型使用一個簡單的混合森林結構來維護內存中事務的項集。并采用一種快速的模式抽取機制來提高算法速度．EPDS采用半懶惰式學習策略持續更新顯露模式，并為待分類事務在每個類下建立局部分類模型．大量實驗結果表明。該算法比其他數據流分類模型有較高的準確度．
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
