基于多属性联合的朴素贝叶斯分类算法

发布时间：2017-08-24 07:19

  本文关键词：基于多属性联合的朴素贝叶斯分类算法

  更多相关文章： 朴素贝叶斯 分类 粗糙集理论 相对属性依赖度 属性联合

【摘要】：朴素贝叶斯分类算法由于条件独立性假设对属性施加了一定的限制,这可能会降低分类性能。针对此问题,为了削弱条件独立性假设对分类结果带来的负面影响,从结构扩展的角度提出了一种基于多属性联合的朴素贝叶斯分类算法。该算法通过计算条件属性组合相对于决策属性依赖度的大小,选择最大相对属性依赖度的属性组合进行联合作为新的条件属性。通过实验仿真,结果表明该方法可行而且有效,特别是对一些属性之间关联性比较强的数据集,分类效果提高尤为明显。
【作者单位】： 桂林电子科技大学数学与计算科学学院;桂林电子科技大学广西高校图像处理实验室;
【关键词】： 朴素贝叶斯 分类 粗糙集理论 相对属性依赖度 属性联合
【基金】：广西壮族自治区自然科学基金(2013GXNSFC019330) 广西壮族自治区高校科研资助项目(2013YB086)
【分类号】：TP181
【正文快照】： 0引言朴素贝叶斯分类器是一种基于贝叶斯统计理论的有监督学习方法,对已标记训练样本进行分类时,基于一个强有力的假设,即训练样本中的所有属性均独立于训练样本。然而此假设在现实中往往不成立,因此,研究人员做了大量工作来削弱朴素贝叶斯独立性假设。Jiang等[1]对改进朴素贝

【相似文献】

中国期刊全文数据库 前10条

1 张爱平;张小红;;属性值为语言区间的多属性决策方法[J];计算机工程与应用;2011年07期

2 崔勇;高岩;王福利;王子敬;;模糊信息系统属性值的重要性度量[J];河南理工大学学报(自然科学版);2007年04期

3 李中华,施丽华,李玉茜;属性的增量赋值[J];计算机工程;1993年01期

4 ;第六章 多属性索引法[J];计算机工程与应用;1981年Z2期

5 关欣;衣晓;何友;周一宇;;一种区间属性值离散化的新方法[J];宇航学报;2009年03期

6 张艳芹;张虹;杨习贝;;区间属性值信息系统的不确定性度量[J];计算机应用与软件;2009年01期

7 程显毅;施Oz;沈学华;田宇贺;;属性和属性值组合的概念模板[J];北京大学学报(自然科学版);2013年01期

8 林宏康;范成贤;史开泉;;倒向P-推理与属性剩余发现-应用[J];计算机科学;2011年10期

9 坐看云起;《天使》人物属性攻略[J];网络与信息;2002年11期

10 洪帆,饶双宜,段素娟;基于属性的权限—角色分配模型[J];计算机应用;2004年S2期

中国重要会议论文全文数据库 前2条

1 王宇;方滨兴;吴博;宋林海;郭岩;;结合属性分布特征的模式匹配算法[A];第五届全国信息检索学术会议论文集[C];2009年

2 张亮;胡学钢;;多层次属性值下概念格的动态转化[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

中国重要报纸全文数据库 前4条

1 重庆 韩涛;中望CAD中块属性的制作[N];电脑报;2004年

2 7Star;教你做RM压缩程序[N];电脑报;2003年

3 北京邮电大学 张剑;通过DOM操作数据（下）[N];计算机世界;2001年

4 ;查找替换的技巧[N];中国电脑教育报;2001年

中国硕士学位论文全文数据库 前10条

1 张丽芬;一种基于混合QOS的服务选择方法[D];华中师范大学;2015年

2 于芳芳;基于属性的权限访问控制研究与应用[D];河北工业大学;2015年

3 赵爽;基于敏感属性值语义的个性化匿名方法研究[D];天津财经大学;2015年

4 高乙童;大数据时效性关键技术的研究[D];哈尔滨工业大学;2016年

5 徐海堂;属性证书及应用研究[D];中国人民解放军信息工程大学;2005年

6 童先群;基于属性值信息熵的KNN算法改进研究[D];漳州师范学院;2010年

7 张秀丽;符号属性值的相似度学习及属性重要性研究[D];河北大学;2011年

8 张朝胜;领域本体概念实例、属性及属性值提取研究[D];昆明理工大学;2011年

9 雷玉霞;基于本体的军事知识联通[D];中国科学院研究生院（软件研究所）;2002年

10 曾宪科;基于博弈论的多属性拍卖模型与机制研究[D];哈尔滨工业大学;2010年

，

本文编号：729938