.png){kind=icon}
返回
DeEPs: A new instance-based lazy discovery and classification system
.png){kind=icon}
OA
AI
DOI：10.1023/B:MACH.0000011804.08528.7d.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
距离度量在大多数基于懒惰的分类系统中被广泛使用。我们不使用距离，而是利用实例特征子集的出现频率以及这些子集在训练课程间的变化率，来同时进行知识发现和分类。我们称该系统为DeEPs。每当考虑一个实例时，DeEPs都能高效地发现该实例中那些能将各个训练课程显著区分开来的模式。DeEPs还可以通过基于视图紧凑地总结所发现的模式的频率来预测实例的类标签，以共同最大化模式的辨别能力。许多实验结果用于评估系统，表明模式是可理解的，并且DeEPs是准确且可扩展的。
Keyword:
instance-based
emerging patterns
borders
lazy learning
classification
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
