论文部分内容阅读
分析分类规则内属性之间的相关性，提出一种分类规则约简方法。针对原始训练集构造FP树，获取相应的关联规则集，对关联规则后件属性（集），采用置信度a描述该属性（集）相对于其所在分类规则的重要程度。在分类规则集中，约筒α值小于阈值η的属性，从而约简分类规则长度。利用UCI机器学习及SDSSDR7数据进行实验，结果表明该方法具有较高的分类效率。