半朴素贝叶斯分类器研究

发布时间：2017-12-24 20:12

  本文关键词：半朴素贝叶斯分类器研究　出处：《中央民族大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 数据挖掘 贝叶斯网络 半朴素贝叶斯分类器 预测

【摘要】：大数据时代的到来,催促着我们对数据有了新的认识,通过数据的不断积累,我们可以做的事情越来越多,数据挖掘的重要性尤其突出。贝叶斯分类作为数据挖掘的一个重要方向,以其简单高效性在当今数据处理方面高速发展着。从海量数据中快速高效的获取需要的数据,成为我们共同的追求。目前,贝叶斯分类在重多领域获得了广泛的应用,并且成为人工智能方向的研究热点。朴素贝叶斯分类器在数据挖掘中的成功运用和流行,激励着我们从探索减轻属性间独立性假设方面去做分类准确性的研究。这类算法的研究大致被分为以下几类:对传统的分类方法中的属性分拆成子集再次利用朴素贝叶斯分类算法、允许属性之间相互依赖关系来改进朴素贝叶斯的分类算法、对属性进行选择的分类算法、利用概率估计去校准朴素贝叶斯分类的算法和引入隐藏变量去改进的分类算法。本文对现有的一些改进算法进行了剖析,并提出基于贪婪选择算法改进的贝叶斯分类器和完全贝叶斯分类器。贪婪选择算法是寻找最优解的常用算法,本文将其运用于改进朴素贝叶斯分类器过程中寻找属性的最佳分组;完全贝叶斯分类器以贝叶斯理论为基础,通过对未知参数设置先验分布,在参数的推断过程中合理考虑其它参数的不确定性方面改进分类器。在以上两种方法改进的基础上,通过不同原则去划分属性分组以及合理设定分类过程中的参数,在大量的数据集分类预测过程中,取得了不错的效果。文中将改进的分类算法应用于国家宏观经济数据分类、企业经营风险和企业财务风险的分类预测中,通过分类实验和应用数据,证明这两方面的改进是合理有效的。
【学位授予单位】：中央民族大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 郑建军,刘炜,刘琼昕,刘玉树;基于选择性的贝叶斯分类器集成方法[J];北京理工大学学报;2003年06期

2 高志森;张铮;李俊;;入侵检测中贝叶斯分类器改进的研究[J];计算机技术与发展;2006年11期

3 邓u&;付长贺;;四种贝叶斯分类器及其比较[J];沈阳师范大学学报(自然科学版);2008年01期

4 邹永斌;陈兴蜀;王文贤;;基于贝叶斯分类器的主题爬虫研究[J];计算机应用研究;2009年09期

5 杨尚森;徐祥生;王勤;李阳;;入侵检测中贝叶斯分类器的改进和设计[J];计算机工程与设计;2008年16期

6 密君英,李正茂;一种基于粗集和贝叶斯分类器的邮件病毒检测方法[J];福建电脑;2005年03期

7 陈景年;黄厚宽;田凤占;乔珠峰;;一种基于不完整数据的朴素贝叶斯分类器[J];计算机工程;2006年17期

8 李珏;童学锋;朱秀明;;基于数据库小本征值重置的贝叶斯分类器[J];计算机工程;2008年05期

9 王双成;杜瑞杰;刘颖;;连续属性完全贝叶斯分类器的学习与优化[J];计算机学报;2012年10期

10 李锦善;王志海;王中锋;;一种基于假设检验的贝叶斯分类器[J];计算机工程与应用;2008年21期

相关会议论文 前1条

1 吴铭;徐蔚然;郭军;;基于统计的中文标点识别算法研究[A];第八届全国汉字识别学术会议论文集[C];2002年

相关博士学位论文 前1条

1 杜瑞杰;贝叶斯分类器及其应用研究[D];上海大学;2012年

相关硕士学位论文 前10条

1 姜文天;基于Clementine的贝叶斯分类器的学习与应用[D];北京理工大学;2015年

2 吴杨;基于信息论的二阶树增广贝叶斯模型的研究与设计[D];吉林大学;2016年

3 高兴;基于空间分布信息的连续属性贝叶斯分类研究[D];齐齐哈尔大学;2016年

4 李玉杰;半朴素贝叶斯分类器研究[D];中央民族大学;2017年

5 曹鸿浩;自适应K阶依赖贝叶斯分类器的设计与研究[D];吉林大学;2015年

6 姚天韵;入侵检测中的贝叶斯分类器的研究[D];大连交通大学;2008年

7 施轶青;监督学习下的贝叶斯分类器研究[D];西安电子科技大学;2011年

8 乔珠峰;基于不完整数据处理方法的贝叶斯分类器研究[D];北京交通大学;2007年

9 王曦;基于上下文驱动多贝叶斯分类器的人脸检测定位系统[D];成都理工大学;2007年

10 张俊晓;多维贝叶斯分类器的研究[D];西安电子科技大学;2013年

，

本文编号：1329789