增量式关联分类方法在病毒检测中的应用

摘要：

传统关联规则挖掘算法主要基于支持度-可信度构架,时空开销的限制使其无法深入挖掘非频繁项集.目前对带类属性的关联分类增量学习研究较少,该文提出一种新的增量式关联分类方法,解决了带类属性数据的增量学习问题,在数据频繁更新时,实现有限时空开销下关联规则的快速提取和维护.实验结果表明,该方法能有效维护并更新关联规则,避免重复学习历史样本,保证分类模型的预测能力.

关键词：关联分类规则、增量学习、病毒检测

所属期刊栏目：35

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目10771176

在线出版日期：2009-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：159-161,164