| 一种结合反馈信息的贝叶斯分类增量学习方法 |
| |
| 作者姓名： | 许明英 尉永清 赵静 |
| |
| 作者单位： | 1. 山东省分布式计算机软件新技术重点实验室,济南 2500142. 山东师范大学 信息科学与工程学院,济南 2500143. 山东警察学院 公共教学部,济南 250014 |
| |
| 基金项目： | 国家自然科学基金资助项目(60873247);山东省高新自主创新专项(2008ZZ28);山东省自然科学基金重点资助项目(ZR2009GZ007) |
| |
| 摘 要： | 贝叶斯分类器形成初期,训练集不完备,生成的分类器性能不理想且不能动态跟踪用户需求。针对此缺陷,提出一种结合反馈信息的贝叶斯分类增量学习方法。为有效降低特征间的冗余性,提高反馈特征子集的代表能力,用一种基于遗传算法的改进特征选择方法选取反馈集中最优特征子集修正分类器。通过实验分析了算法的性能,结果证明该算法能明显优化分类效果,且整体稳定性较好。
|
| 关 键 词： | 反馈信息 遗传算法 特征选择 朴素贝叶斯 增量学习 |
| 收稿时间： | 2011-03-16 |
| 修稿时间： | 2011-05-05 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
|
