1、分類是數(shù)據(jù)挖掘的一個(gè)重要課題．隨著數(shù)據(jù)規(guī)模與維數(shù)的增加，建立高效的、適用于大型數(shù)據(jù)集的分類算法已成為數(shù)據(jù)挖掘的一項(xiàng)挑戰(zhàn)性任務(wù)，基于顯現(xiàn)模式（Emerging Patterns，EP）的分類方法是針對(duì)大型數(shù)據(jù)集的分類提出的一種有效方法．EP作為一種新的知識(shí)模式，其能夠捕獲目標(biāo)類和非目標(biāo)類上多組屬性之間的差異，具有很好的分類性能． 本文首先介紹了分類的相關(guān)概念及基本技術(shù)：隨后詳細(xì)介紹了顯現(xiàn)模式的基本概念、性質(zhì)，顯現(xiàn)模式的挖掘算法以及

2、應(yīng)用顯現(xiàn)模式進(jìn)行分類的一般方法；進(jìn)而，深入比較了目前已有的幾種基于EP的分類方法．在此基礎(chǔ)上詳細(xì)地設(shè)計(jì)與實(shí)現(xiàn)了一種基于顯現(xiàn)模式的決策分類（DeEPs）方法，并以此算法為基礎(chǔ)提出了改進(jìn)策略，提出了一種新的基于EP的分類算法，即基于基本顯現(xiàn)模式的懶惰式貝葉斯分類算法（Lazy Bayesian Classification based on essential Emerging Patterns，LBCeEP），并分析了算法的可行性和正確性