连续属性贝叶斯网络分类器的学习与研究

发布时间：2020-12-05 14:45

　　贝叶斯网络是一种根据概率推理的图形化网络数学模型,著名的贝叶斯公式是该模型的基础,贝叶斯网络的主要思想是通过提取一些变量所包含的信息从而获得其他变量的概率信息,正是贝叶斯网络这一特质使得贝叶斯网络可以解决有关于不定性和不完整性的问题.贝叶斯网络分类器就是利用该特质,并进行联合概率的边缘和条件分解构造贝叶斯网络用于数据的分类预测.朴素贝叶斯分类器是一种最基础的贝叶斯网络分类器,该分类器的前提假设使得其具有结构简单、计算高效和分类效果良好等特点.然而,这个很强的条件独立性假设前提也很大程度上影响了分类器的分类精度,当属性变量间存在依赖关系时,朴素贝叶斯分类器就无法将这种依赖信息考虑进去,而这部分信息往往在分类时起着至关重要的作用.本文就是在此基础上,以连续属性作为研究对象,对朴素贝叶斯分类器进行扩展研究,以期达到提高分类器准确性的目的.本文的主要工作内容如下:(1)介绍了连续属性朴素贝叶斯分类器的分类原理,并通过参数化方法和非参数化方法进行相关的参数估计,并详细介绍了几种经典的朴素贝叶斯分类器的依赖扩展,对隐朴素贝叶斯分类器提出了不同的权重定义方式.(2)介绍了一种将朴素贝叶斯分类器与时间... 

【文章来源】：山东师范大学山东省

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
第一章 引言
第二章 基本理论
    2.1 概率论基础
    2.2 信息论基础
    2.3 贝叶斯网络基础
    2.4 连续属性的离散化
    2.5 分类器的性能评价标准
第三章 朴素贝叶斯分类器及其依赖扩展
    3.1 连续属性朴素贝叶斯分类器
    3.2 连续属性朴素贝叶斯分类器的依赖扩展
    3.3 数值实验与分析
第四章 动态贝叶斯分类器及其依赖扩展
    4.1 动态朴素贝叶斯分类器
    4.2 动态朴素贝叶斯分类器的依赖扩展
    4.3 动态隐朴素贝叶斯分类器
    4.4数值实验与分析
第五章 总结与展望
参考文献
致谢


【参考文献】：
期刊论文
[1]小时间序列的动态朴素贝叶斯分类器学习与优化[J]. 王双成,高瑞,杜瑞杰.  控制与决策. 2017(01)
[2]约束高斯分类网研究[J]. 王双成,高瑞,杜瑞杰.  自动化学报. 2015(12)
[3]一种改进隐朴素贝叶斯算法的研究[J]. 李晶辉,张小刚,陈华,胡义函.  小型微型计算机系统. 2013(07)
[4]连续属性朴素贝叶斯分类器的依赖扩展研究[J]. 王辉,韩旭,王双成,王淑琴,赵洪帅,王莉.  东北师大学报(自然科学版). 2012(02)
[5]基于条件对数似然函数导数的贝叶斯网络分类器优化算法[J]. 王中锋,王志海.  计算机学报. 2012(02)
[6]层次朴素贝叶斯分类器构造算法及应用研究[J]. 范敏,石为人.  仪器仪表学报. 2010(04)
[7]连续属性离散化算法比较研究[J]. 刘业政,焦宁,姜元春.  计算机应用研究. 2007(09)
[8]具有丢失数据的贝叶斯网络结构学习研究[J]. 王双成,苑森淼.  软件学报. 2004(07)
[9]一种文本处理中的朴素贝叶斯分类器[J]. 李静梅,孙丽华,张巧荣,张春生.  哈尔滨工程大学学报. 2003(01)
[10]一种新的决策树归纳学习算法[J]. 洪家荣,丁明峰,李星原,王丽薇.  计算机学报. 1995(06)

硕士论文
[1]粗糙集中基于NBC聚类的连续属性离散化方法研究[D]. 郝寒雪.河北大学 2009



本文编号：2899619