面向主属性值的类标特征分析

doi:10.12068/j.issn.1005-3026.2016.10.005

东北大学学报:自然科学版 ›› 2016, Vol. 37 ›› Issue (10): 1388-1392.DOI: 10.12068/j.issn.1005-3026.2016.10.005

面向主属性值的类标特征分析

张明卫¹，张小旭²，刘莹¹，韩春燕¹

(1. 东北大学软件学院，辽宁沈阳110169； 2. 浙江大学计算机科学与技术学院，浙江杭州310058)

收稿日期:2015-11-10 修回日期:2015-11-10 出版日期:2016-10-15 发布日期:2016-10-14
通讯作者: 张明卫
作者简介:张明卫(1979-)，男，山东胶州人，东北大学讲师，博士.
基金资助:
国家自然科学基金资助项目(61100027， 61374178， 61202085， 61572117， 61572116)；中央高校基本科研业务费专项资金资助项目(N130417003).

Primary Value Oriented Class Label Characteristic Analysis

ZHANG Ming-wei¹， ZHANG Xiao-xu²， LIU Ying¹， HAN Chun-yan¹

1. School of Software， Northeastern University， Shenyang 110169， China; 2. College of Computer Science and Technology， Zhejiang University， Hangzhou 310058， China.

Received:2015-11-10 Revised:2015-11-10 Online:2016-10-15 Published:2016-10-14
Contact: ZHANG Ming-wei
About author:-
Supported by:
-

摘要/Abstract

摘要： 为了提取一个类标区别于其他类标的本质特征，增强类标数据集的可解释性，提出了一种面向主属性值的类标特征分析方法.该方法首先建立了一种直观的面向主属性值的类标特征模型，然后设计了对应的类标特征抽取算法，最后给出了一种基于类标特征分析的分类算法.实验结果表明:所建立的类标特征模型能够直观、有效地描述类标数据集中各类标的特征，给出的类标特征抽取算法有较高的执行性能，提出的分类算法在针对类标较少的数据集时有较高的分类准确率.

关键词: 数据挖掘, 分类, 聚类, 类标特征, 主属性值

Abstract: A primary value oriented class label characteristic analyzing approach was proposed to extract the essential characteristics of one class label distinguishing with the others. In addition， the interpretability of label datasets could also be improved by this proposed method. Firstly， an intuitive primary value oriented class label characteristic model was built. Then， the corresponding class label characteristic extracting algorithm was designed. Finally， a classification algorithm was presented based on class label characteristic analysis. Experimental results demonstrated that the class label characteristic model can describe the characteristics of each class label for label datasets intuitively and effectively， and the given class label characteristic extracting algorithm has high execution performance. What’s more， the proposed classification algorithm has relatively high accuracy for datasets with fewer class labels.

Key words: data mining, classification, clustering, class label characteristic, primary value

中图分类号:

TP311

张明卫，张小旭，刘莹，韩春燕. 面向主属性值的类标特征分析[J]. 东北大学学报:自然科学版, 2016, 37(10): 1388-1392.

ZHANG Ming-wei， ZHANG Xiao-xu， LIU Ying， HAN Chun-yan. Primary Value Oriented Class Label Characteristic Analysis[J]. Journal of Northeastern University Natural Science, 2016, 37(10): 1388-1392.

参考文献

[1]Khamisi K，Kazuto S，Hideyuki T，et al.Four decades of data mining in network and systems management［J］.IEEE Transactions on Knowledge and Data Engineering，2015，27(10):2700-2716.
[2]Prabhu Y，Varma M.FastXML:a fast，accurate and stable tree-classifier for eXtreme multi-label learning ［C］// ACM SIGKDD Conference on Knowledge Discovery and Data Mining.New York:ACM，2014:263-272.
[3]Bi W，Kwok J T.Bayes-optimal hierarchical multilabel classification［J］.IEEE Transactions on Knowledge and Data Engineering，2015，27(11):2907-2918.
[4]Wang J Y，Karypis G.On mining instance-centric classification rules［J］.IEEE Transactions on Knowledge and Data Engineering，2006，18(8):1497-1511.
[5]Tian J，Li M，Chen F.Learning subspace-based RBFNN using coevolutionary algorithm for complex classification tasks［J］.IEEE Transactions on Neural Networks and Learning Systems，2016，27(1):47-61.
[6]Samanthula B K，Elmehdwi Y，Jiang W.K-nearest neighbor classification over semantically secure encrypted relational data［J］.IEEE Transactions on Knowledge and Data Engineering，2015，27(6):1261-1273.
[7]Liu B，Hsu W，Ma Y.Integrating classification and association rule mining［C］// ACM SIGKDD Conference on Knowledge Discovery and Data Mining.New York:ACM，1998:80-86.
[8]Li W M，Han J W，Pei J.CMAR:accurate and efficient classification based on multiple class-association rules ［C］// IEEE International Conference on Data Mining.Piscataway:IEEE，2001:369-376.
[9]张明卫，刘莹，张斌，等.一种基于概念的数据聚类模型［J］.软件学报，2009，20(9):2387-2396.(Zhang Ming-wei，Liu Ying，Zhang Bin，et al.Concept based data clustering model［J］.Journal of Software，2009，20(9):2387-2396.)
[10]Hou Y，Whang J J，Gleich D F，et al.Non-exhaustive，overlapping clustering via low-rank semidefinite programming［C］// ACM SIGKDD Conference on Knowledge Discovery and Data Mining.New York:ACM，2015:427-436.
[11]Mashayekhi H，Habibi J，Khalafbeigi T，et al.GDCluster:a general decentralized clustering algorithm［J］.IEEE Transactions on Knowledge and Data Engineering，2015，27(7):1892-1905.
[12]Liu H，Liu T，Wu J，et al.Spectral ensemble clustering ［C］// ACM SIGKDD Conference on Knowledge Discovery and Data Mining.New York:ACM，2015:715-724.

[1]	丁其川，王力，刘成. 融合长距离信道注意力与病理特征的肺结节分类[J]. 东北大学学报（自然科学版）, 2023, 44(4): 476-485.
[2]	耿蓉，张昭，牛天水，王宇飞. 基于改进蚁群算法的天基资源调度研究与仿真[J]. 东北大学学报（自然科学版）, 2023, 44(2): 168-176.
[3]	马淑华，尤海荣，唐亮，何平. 一种自适应的密度峰值聚类算法[J]. 东北大学学报（自然科学版）, 2022, 43(6): 761-768.
[4]	刘军，代福成，辛宁. 基于多目标优化的虚拟机部署策略[J]. 东北大学学报（自然科学版）, 2022, 43(5): 609-617.
[5]	李建华，朱泽阳，徐礼胜，孙国哲. 基于深度嵌入聚类的ICU患者生理数据缺失插补[J]. 东北大学学报（自然科学版）, 2022, 43(5): 639-645.
[6]	李大鹏，赵琪珲，邢铁军，赵大哲. 基于分层注意力循环神经网络的司法案件刑期预测[J]. 东北大学学报（自然科学版）, 2022, 43(3): 344-349.
[7]	闫康，黄训江，张强，王登. 基于At-LSTM的产品创新特征识别[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1506-1512.
[8]	郑艳，姜源祥. 基于特征融合的说话人聚类算法[J]. 东北大学学报（自然科学版）, 2021, 42(7): 952-959.
[9]	毛亚纯，伏雨文，曹旺，赵占国. 基于无人机点云数据的露天采场矿车提取方法[J]. 东北大学学报（自然科学版）, 2021, 42(6): 842-849.
[10]	方亮，周云，唐志泉. 基于优化的残差网络的锈蚀钢筋图像分类[J]. 东北大学学报（自然科学版）, 2021, 42(11): 1625-1633.
[11]	张毅博，孙志礼，赵中强，赵经武. 基于GPC的环肋耐压圆柱壳结构失稳概率分析[J]. 东北大学学报:自然科学版, 2020, 41(9): 1268-1273.
[12]	王述红，朱宝强，王鹏宇. 模拟退火聚类算法在结构面产状分组中的应用[J]. 东北大学学报:自然科学版, 2020, 41(9): 1328-1333.
[13]	司方远，韩英华，赵强，汪晋宽. 基于AP-LOF离群组检测的配电网连接验证[J]. 东北大学学报:自然科学版, 2020, 41(8): 1070-1074.
[14]	刘馨，张卫军，石泉，周乐. 基于数据挖掘与清洗的高炉操作参数优化[J]. 东北大学学报:自然科学版, 2020, 41(8): 1153-1160.
[15]	郭甲腾，张紫瑞，毛亚纯，刘善军. 基于三维点云的岩体结构面自动分类与参数计算[J]. 东北大学学报:自然科学版, 2020, 41(8): 1161-1166.

面向主属性值的类标特征分析

Primary Value Oriented Class Label Characteristic Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价