距离平均最近邻分类器 iris数据 matlab程序

目录回到顶部↑ 第一部分 数据挖掘基础. 第1章 概述3 1.1 什么是万维网3 1.2 万维网和互联网的历史简述4 1.3 web数据挖掘5 1.3.1 什么是数据挖掘6 1.3.2 什么是web数据挖掘7 1.4 各章概要8 1.5 如何阅读本书10 文献评注10 第2章 关联规则和序列模式12 2.1 关联规则的基本概念12 2.2 apriori算法14 2.2.1 频繁项目集生成14 2.2.2 关联规则生成17 2.3 关联规则挖掘的数据格式19 2.4 多最小支持度的关联规则挖掘

尽管存在许多k最近邻方法及其变体，但很少有人考虑如何在整个特征空间和子空间中利用信息。 为了解决此限制，我们提出了一个新的分类器，称为随机子空间证据分类器（RSEC）。 具体而言，RSEC首先计算每个类的局部超平面距离，不仅作为整个特征空间的证据，而且还作为随机生成的特征子空间的证据。 然后，根据这些距离为每个类别的证据计算基本信念分配。 在下文中，由基本信念分配代表的所有证据都由Dempster规则汇集在一起​​。 最后，RSEC根据组合的信念分配为每个测试样本分配类别标签。 来自UCI机器学