原野，沈钧毅
（西安交通大学电子与信息工程学院,710049,西安）
摘要：为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架（SPACS）．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则（CSR）；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．
关键词：序列模式挖掘；分类；分类序列规则
中图分类号：TP391文献标识码：A文章编号： 0253987X（2004）04040004