基于模糊分类关联规则的支持向量机分类器生成方法

doi:10.3724/SP.J.1087.2011.01348

计算机应用 ›› 2011, Vol. 31 ›› Issue (05): 1348-1350.DOI: 10.3724/SP.J.1087.2011.01348

基于模糊分类关联规则的支持向量机分类器生成方法

崔建¹,李强¹,刘勇2

1.空军雷达学院预警监视情报系, 武汉 430019
2.京津地区军事代表室,北京 100015

收稿日期:2010-11-05 修回日期:2010-12-31 发布日期:2011-05-01 出版日期:2011-05-01
通讯作者: 崔建
作者简介:崔建(1981-),男,辽宁大石桥人,工程师,博士研究生,主要研究方向:数据挖掘、军事情报分析;李强(1968-),男,湖南郴州人,教授,博士生导师,主要研究方向:军事情报分析、并行计算、云计算;刘勇(1982-),男,山东兖州人,工程师,硕士,主要研究方向:指挥自动化、微波通信。
基金资助:
国家自然科学基金资助项目(60736009)。

Method of SVM classifier generation based on fuzzy classification association rule

CUI Jian¹, LI Qiang¹, LIU Yong²

1.Department of Early Warning Surveillance Intelligence, Air force Radar Institute, Wuhan Hubei 430019, China
2.Department of Military Representative Office in Beijing and Tianjin Region, Beijing 100015, China

Received:2010-11-05 Revised:2010-12-31 Online:2011-05-01 Published:2011-05-01
Contact: CUI Jian

摘要/Abstract

摘要： 为提高数据库分类系统的分类精度,提出一种新的分类方法。首先,利用模糊C-均值聚类算法对数据库中的连续属性进行离散化;然后,在此基础上提出一种改进的模糊关联算法挖掘分类关联规则;最后,通过计算规则和模式之间的兼容性指标来构造特征向量,构建支持向量机的分类器模型。实验结果表明,该方法具有较高的分类识别能力和分类效率。

关键词: 数据挖掘, 支持向量机, 模糊关联规则, 分类系统, 离散化, 模糊C-均值

Abstract: To increase the classification accuracy of the database classification system, this paper proposed a new classification method. Firstly, the continuous attributes were dispersed by the Fuzzy C-Mean (FCM) algorithm. Secondly, an improved fuzzy association method was proposed to mine the classification association rules. Eventually, the compatibility between the generated rules and patterns was used to construct a set of feature vectors, which were used to generate a classifier. The experimental results demonstrate that the method has high discrimination and efficiency.

Key words: Data Mining (DM), Support Vector Machine (SVM), fuzzy association rule, classification system, discretization, Fuzzy C-Mean (FCM)

崔建李强刘勇. 基于模糊分类关联规则的支持向量机分类器生成方法[J]. 计算机应用, 2011, 31(05): 1348-1350.

CUI Jian LI Qiang LIU Yong. Method of SVM classifier generation based on fuzzy classification association rule[J]. Journal of Computer Applications, 2011, 31(05): 1348-1350.

[1]	刘世泽, 秦艳君, 王晨星, 苏琳, 柯其学, 罗海勇, 孙艺, 王宝会. 基于深度残差长短记忆网络交通流量预测算法[J]. 计算机应用, 2021, 41(6): 1566-1572.
[2]	李旭娟, 皮建勇, 黄飞翔, 贾海朋. 基于自生成深度神经网络的4D航迹预测[J]. 计算机应用, 2021, 41(5): 1492-1499.
[3]	贾鹤鸣, 姜子超, 李瑶, 孙康健. 基于改进斑点鬣狗优化算法的同步优化特征选择[J]. 计算机应用, 2021, 41(5): 1290-1298.
[4]	李萍, 汪芬, 陈祺东, 孙俊. 求解多目标社区发现问题的离散化随机漂移粒子群优化算法[J]. 计算机应用, 2021, 41(3): 803-811.
[5]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[6]	李凯, 李洁. 基于pinball损失的结构模糊多分类支持向量机算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3104-3112.
[7]	陆荣秀, 陈明明, 杨辉, 朱建勇. 基于溶液图像时序特征的元素组分含量动态监测系统[J]. 计算机应用, 2021, 41(10): 3075-3081.
[8]	童林, 官铮. 改进鲸鱼优化支持向量机的交通流量模糊粒化预测[J]. 计算机应用, 2021, 41(10): 2919-2927.
[9]	陈凯, 于彦伟, 赵金东, 宋鹏. 基于城市交通监控大数据的工作位置推理方法[J]. 计算机应用, 2021, 41(1): 177-184.
[10]	龙洋洋, 陈玉玲, 辛阳, 豆慧. 基于联盟区块链的安全能源交易方案[J]. 计算机应用, 2020, 40(6): 1668-1673.
[11]	张健铭, 施元昊, 徐正蓺, 魏建明. 基于误差预测的自适应UWB/PDR融合定位算法[J]. 计算机应用, 2020, 40(6): 1755-1762.
[12]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[13]	徐周波, 杨健, 刘华东, 黄文文. 基于XGBoost与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机应用, 2020, 40(5): 1510-1514.
[14]	黄功, 赵永平, 谢云龙. 基于局部密度的加权一类支持向量机算法及其在涡轴发动机故障检测中的应用[J]. 计算机应用, 2020, 40(3): 917-924.
[15]	王杨, 赵红东. 基于改进粒子群优化的支持向量机与情景感知的人体活动识别[J]. 计算机应用, 2020, 40(3): 665-671.

基于模糊分类关联规则的支持向量机分类器生成方法

Method of SVM classifier generation based on fuzzy classification association rule

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics