Naive—Bayes模型及其在范例推理中的应用

简单贝叶斯模型能够很好地综合先验信息和样本信息。探讨了利用简单贝叶斯模型进行范例推理的可行性,并提出了对范例进行分类和学习的算法。实验结果表明,系统的分类准确度及其学习速度都较高,该方法有效可行。     

基于相似粗糙集的范例推理技术

讨论了经典粗糙集理论在特征项约简过程中，造成的范例相似度测量误差问题，并提出用相似粗糙集约简特征项和获取特征项权重的过程与算法，力求提高约简的精确性和保持约简后范例库的良好性能。     

Naive-Bayes模型及其在范例推理中的应用

简单贝叶斯模型能够很好地综合先验信息和样本信息.探讨了利用简单贝叶斯模型进行范例推理的可行性,并提出了对范例进行分类和学习的算法.实验结果表明,系统的分类准确度及其学习速度都较高,该方法有效可行.