基于支持度和置信度智能优化的关联分类算法.PDF

第 ３０卷第 １１期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．１１ ２０１３年 １１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１３ 基于支持度和置信度智能优化的关联分类算法 王秀枝　安建成 （太原理工大学计算机科学与技术学院　山西 太原 ０３００２４） 摘　要　　针对传统关联分类算法中支持度和置信度阈值无法根据问题规模准确设定，导致分类器的分类效果受人为因素影响的 缺陷，提出一种基于智能优化思想的关联分类算法。该算法对 ＣＢＡ关联分类算法进行改进，利用模拟退火技术良好的全局搜索能 力在解空间内对支持度和置信度阈值进行优化，从而使分类准确率达到全局最优。实验表明，与传统的关联分类算法相比，该方法 可以有效地避免阈值设置不合理而影响分类效果的弊端，使分类结果更加精准。 关键词　　支持度　置信度　智能优化　ＣＢＡ　模拟退火 中图分类号　ＴＰ１８１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．１１．０５１ ＡＳＳＯＣＩＡＴＩＶＥＣＬＡＳＳＩＦＩＣＡＴＩＯＮＡＬＧＯＲＩＴＨＭ ＢＡＳＥＤＯＮＩＮＴＥＬＬＩＧＥＮＴ ＯＰＴＩＭＩＳＡＴＩＯＮＯＦＳＵＰＰＯＲＴＡＮＤＣＯＮＦＩＤＥＮＣＥ ＷａｎｇＸｉｕｚｈｉ　ＡｎＪｉａｎｃｈｅｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｒａｄｉｔｉｏｎａｌａｓｓｏｃｉａｔｉｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｃａｎｎｏｔａｃｃｕｒａｔｅｌｙｓｅｔｓｕｐｐｏｒｔａｎｄｃｏｎｆｉｄｅｎｃｅｔｈｒｅｓｈｏｌｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｃａｌｅｏｆ ｔｈｅｐｒｏｂｌｅｍ，ｗｈｉｃｈｌｅａｄｓｔｏｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｃｌａｓｓｉｆｉｅｒａｆｆｅｃｔｅｄｂｙｈｕｍａｎｆａｃｔｏｒｓ．Ｔｏｒｅｓｏｌｖｅｔｈｅｉｓｓｕｅ，ｗｅｐｒｏｐｏｓｅａｎｉｎｔｅｌｌｉｇｅｎｔｏｐｔｉｍｉ ｓａｔｉｏｎｉｄｅａｂａｓｅｄａｓｓｏｃｉａｔｉｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍ．ＴｈｅａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｓｔｈｅＣＢＡａｓｓｏｃｉａｔｉｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｍａｋｅｓｕｓｅｏｆ ｔｈｅｇｏｏｄａｂｉｌｉｔｙｏｆｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇｉｎｇｌｏｂａｌｓｅａｒｃｈｔｏｏｐｔｉｍｉｓｅｔｈｅｓｕｐｐｏｒｔａｎｄｃｏｎｆｉｄｅｎｃｅｔｈｒｅｓｈｏｌｄｉｎｓｏｌｕｔｉｏｎｓｐａｃｅｓｏａｓｔｏａｃｈｉｅｖｅ ｇｌｏｂａｌｏｐｔｉｍｕｍｉｎｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｒａｔｅ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｐｒｅｖｅｎｔｔｈｅｕｎｒｅａｓｏｎａｂｌｅｓｅｔｔｉｎｇｏｆｔｈｅ ｔｈｒｅｓｈｏｌｄｆｒｏｍｔｈｅｄｉｓａｄｖａｎｔａｇｅｏｆｉｍｐａｃｔｉｎｇｃｌａｓｓｉｆｉｃａｔｉｏｎｅｆｆｅｃｔａｎｄｅｎａｂｌｅｓｍｏｒｅａｃｃｕｒａｔｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｃｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎ ａｌａｓｓｏｃｉａｔｉｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ　　Ｓｕｐｐｏｒｔ　Ｃｏｎｆｉｄｅｎｃｅ　Ｉｎｔｅｌｌｉｇｅｎｔｏｐｔｉｍｉｓａｔｉｏｎ　ＣＢＡ　Ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ