روشی بهینه در استخراج الگوهای تمییز دهنده جهت بهبود طبقه بندی داده ها 

کاربرد قدرتمند الگوهای تکرار شونده در طبقه بندی داده ها درتحقیقات اخیر بسی ار چشم گیر است . اگر چه تعداد الگوها نمایی است ،ولی بسیاری از آنها تمییزدهنده نبوده و همچنین وابسته به یکدیگرهستند. تولید الگوهای بسیار زیاد نه تنها عملیات استخراج را دشوارمیکند، بلکه در انتخاب ویژگیها نیز اختلال ایجاد می کند. در این مقاله روشی نوین پیش نهاد شده است که عملیات استخراج الگو و انتخاب ویژگی من اسب را بطور مستقیم انجام می دهد. در هر مرحله با تقسیم دادهها بر اساس بهترین الگوی کشف شده، ویژگیهای مناسب بعدی را با توجه به زیرمجموعه ای از داده ها کشف می کند. نتایج نشان می دهند که این روش با کشف الگوهای کمتر و منتخب تر به یک مدل با قابلیت درک بالاتر برای کاربر و همچنین به دقت طبقه بندی مطلوبی دست یافته است.