基于属性关联度的辅助分类模型

提高分类器覆盖率是显露模式分类中的重要内容。通过降低支持度的方法来提升覆盖率,将会大大增加算法时间开销。在CAEP分类模型基础上,分别使用关联分析中常用的卡方检验、置信度和比值比策略,对分类模型中无法被覆盖的事务进行辅助分类。在UCI数据集合下进行对比实验,结果表明,采用了关联分析辅助策略分类模型的分类准确率均有所提升,且额外消耗的时间较少。