关联分类CBA算法识别机载火控雷达工作模式

对敌机载火控雷达工作模式的识别与分析,在威胁等级判别、干扰样式选择、电子战辅助决策支持等方面具有重要军事应用价值。因此,针对机载火控雷达工作模式与参数复杂繁多、自动识别准确率不高等问题,提出了一种基于关联分类CBA算法的判定方法,并应用k-折交叉验证法进行验证。该方法从已建立的非协作雷达信号特征库中选择训练样本,基于扫描特征和信号样式应用关联分类CBA算法,即采用迭代方法挖掘特征中的频繁项集,并在此基础上启发式地构建分类器。以机载火控雷达4种空空工作模式为例进行了仿真实验,结果表明:该识别方法对不同的工作状态具有较高的识别准确率。

结合测度整合和AWCBA算法的个人信用评估研究

在个人信用评估领域,对个人信用等级的预测是最具有挑战性的。提高对个人信用等级预测的准确度可以避免大量死账坏账的出现。然而传统的个人信用评估模型假设全部属性都具有相同的重要性,并且使用单一测度进行规则的剪枝和预测,这些个人信用评估模型往往太主观,不能取得较好的分类效果。该研究结合测度整合和(Adaptive Weighted Classification Base of Association,AWCBA)算法构建了个人信用评估模型,对客户基础属性进行自适应化加权,并引用了支持度、置信度和卡方测度的调和均值作为分类依据,实现个人信用等级的分类,与其他算法相比,AWCBA算法预测准确度比其他算法都要高。

关联分类算法的研究与实现

关联分类算法是对数据进行分析处理中的一个分支。文中结合了关联分类CBA算法,针对数据集样本进行了详细分析。首先,对关联分类中的CBA算法进行了研究,并同步对其实现的代码进行了编写。随后,结合相关数据,运行相关算法进行实现与分析。最终,对该样本数据进行了有效地分类和预测,也完成了算法的有效实现与分析。

一种改进关联分类算法的研究

关联分类算法是对数据进行分析处理中的一个分支.本文首先介绍了关联分类代表算法。针对数据中的类存在的关联划分问题,提出了一种改进的关联分类算法。随后,结合相关数据,对数据进行有效分类和预测。同时,对改进后的算法和现有算法进行实验与分析。

基于关联分类算法的PU学习研究

【目的】基于常用的关联分类算法CBA进行PU学习研究。【方法】将训练集中比例为?的正样本作为未被识别出的正样本,与负样本一起组成未标记样本集,从而构建PU学习场景。其中,基于全部正类别分类关联规则对样本进行分类,并使用分类关联规则相对置信度衡量分类关联规则分类结果的可信度。【结果】当?取值分别为0、0.3、0.6、0.9时,在实验数据集上,本文方法的分类结果的AUC值较CBA算法分别平均提高6.21%、11.15%、13.50%、16.56%,较POSC4.5算法分别平均提高11.27%、15.03%、12.22%、7.37%。【局限】由于未对全部样本中真实正样本所占的比例进行估计,并据此对分类关联规则的置信度进行修正,因而所提方法的分类效果随?取值的增长呈下降趋势。此外,CBA算法会产生大量的冗余规则,而本文并未对其中的规则进行筛选。【结论】本文方法在PU学习场景中的分类效果优于CBA算法和POSC4.5算法。