期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于数据挖掘的分类算法综述 被引量：6

A review on classification algorithm based on data-mining
下载PDF
导出
摘要 分类算法是数据挖掘中最重要的研究领域之一。通过对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较,给出了每种算法的特性,为使用者选择算法或研究者改进算法提供了依据。 As one of the most important devices in academic area,classification algorithm is analyzed and compared with current ones well recognized,and its property is provided for the present application and future improvement.
作者 唐亚伟 秦玉平
机构地区 渤海大学信息科学与技术学院 渤海大学工学院
出处 《渤海大学学报（自然科学版）》 CAS 2011年第4期372-375,共4页 Journal of Bohai University:Natural Science Edition
基金 国家自然科学基金项目(11171042) 辽宁省教育厅重点实验室项目(LS2010180)
关键词 机器学习 数据挖掘 分类算法 machine learning data-mining classification algorithm
分类号 O171 [理学—基础数学]
  • 相关文献

参考文献9

  • 1Weiss S.M and Indurkhya N.Predictive Data Mining:A Practical Guide[M].San Francisco:Morgan Kaufman,1988.
  • 2Apte C,Damerau F,Weiss S.Text mining with decision rules and decision trees[C].In Proceedings of the Conference on Automated Learningand Discovery,Pittsburgh,USA,1998:62-68.
  • 3Quinlan J R.Introduction of decision trees[J].Machine Learning.1986,1(1):84-100.
  • 4Friedman N,Geiger D,Goldszmidt M.Bayesian network classifier[J].Machine Learning,1997,29(1):131-163.
  • 5顾晨,赵国军,刘峥.基于人工神经网络的自适应模糊电梯群控系统[J].计算机测量与控制,2003,11(12):947-949. 被引量：3
  • 6R.Agrawal,T.Imielinski and A.Swami.Mining Association Rules Between Sets of Items in Large Database[C].Proc.1993 ACM SIGMOD IntConf:Management of Data.1993,22(2):207-216.
  • 7张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32-42. 被引量：2264
  • 8Burges C J C.A tutorial on support vector machines for pattern recognition[J].Data Mining and Knowledge Discovery,1998,2(2):121-167.
  • 9董春曦,杨绍全,饶鲜,汤建龙.支持向量机推广能力估计方法比较[J].电路与系统学报,2004,9(4):86-91. 被引量：11

二级参考文献19

  • 1.德国奔克原装BP系列电梯控制系统技术手册[Z].,..
  • 2Vladimir N Vapnik. The Nature of Statistical Learning Theory [M]. New York: Springer-Verlag, Inc, 2000.
  • 3Burges J C. A Tutorial on Support Vector Machines for Pattern Recognition [M]. Boston: Kluwer Academic Publishers,. 1999.
  • 4Grace Wahba. An Introduction to Model Building with Reproducing Kernel Hilbert Spaces [R/OL]. TECHNICAL REPORT NO.1020, available at http://www.stat.wisc.edu/?wahba. 2000.
  • 5Lunts A, Brailovskiy V. Evaluation of Attributes Obtained in Statistical Decision Rules [J]. Engineering Cybernetics, 1967, 3: P98-109.
  • 6Vapnik V, Chapelle O. Choosing Multiple Parameters for Support Vector Machine [J]. Machine Learning, 2002, 46(1-3).
  • 7Jaakkola T, Haussler D. Probabilistic Kernel Regression Models [A]. Proceedings of the Seventh Workshop on AI and Statistics [C]. San Francisco, 1999.
  • 8Wahba G, Lin Yi, et al. Generalized Approximate Cross Validation for Support Vector Machines or Another Way to Look at Margin-like Quantities [A]. Advances in Large Margin Classifiers [C]. MIT Press. 2000, 297-209.
  • 9Opper M, Winther O. Gaussian Processes and SVM: Mean Field and Leave-one-out [A]. Advances in Large Margin Classifiers [C]. Cambridge, MA: MIT Press, 2000, 311-326.
  • 10Joachims T. Estimating the Generalization Performance of a SVM Efficiently [R]. LS VIII-Report 25, University Dortmund, Germany, 1999.

共引文献2274

同被引文献38

引证文献6

二级引证文献9

渤海大学学报（自然科学版）
2011年 第4期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部