文件名称：显露模式挖掘
文件大小：1.47MB
文件格式：DOC
更新时间：2018-02-26 17:46:06
数据挖掘
数据挖掘，有关显露模式。以高维数据集建立一个准确的显露模式的分类是一个具有挑战性的问题。假如整个特征空间在机器学习开始之前是不可用的，那么问题将变得更加困难。本文提出了一种新的技术，是关于用流特征选择来挖掘显露模型。我们用流特征将高维空间模型化，也就是说，特征到达就被处理一次。当特征流一个接一个来到时，我们就在线估计每一个讲将到达的特征流通过利用特征相关性和EP分辨力(EP的预测力)之间的关系是否对挖掘预测显露的模式(EP)有用。我们采用这种关系来引导在线EP挖掘过程。这种新方法可以可以从高维数据集中挖掘EP，即使当其整个特征集在学习之前不可用。这个实验在广泛的数据集上验证了我们所建议的方法相比其他已确立的方法在预测准确性、模式数和运行时间上的有效性。