|
|||||
|
|
| 连续属性完全贝叶斯分类器的学习与优化 | |
| 作者姓名： | 王双成 杜瑞杰 刘颖 |
| 作者单位： | 1. 上海立信会计学院数学与信息学院 上海 201620;上海立信会计学院开放经济与贸易研究中心 上海 201620 2. 上海立信会计学院数学与信息学院 上海 201620 |
| 基金项目： | 国家自然科学基金,教育部人文社科基金,上海市教委重点学科建设项目,上海市教委科研创新项目 |
| 摘 要： | 针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息,而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题,文中在使用多元高斯核函数估计属性条件联合密度的基础上,建立了具有多平滑参数的连续属性完全贝叶斯分类器,并给出将分类准确性标准与区间异步长划分完全搜索相结合的平滑参数优化方法,再通过时序扩展构建了动态完全贝叶斯分类器.我们使用UCI机器学习数据仓库中连续属性分类数据和宏观经济数据进行实验,结果显示,经过优化的两种分类器均具有良好的分类准确性. |
| 关 键 词： | 连续属性 完全贝叶斯分类器 动态完全贝叶斯分类器 高斯核函数 平滑参数 |
| 本文献已被 万方数据 等数据库收录！ | |