一种基于粗糙集的特征加权朴素贝叶斯分类器 |
| |
引用本文: | 王国才,张聪.一种基于粗糙集的特征加权朴素贝叶斯分类器[J].重庆工学院学报,2010(7):86-90,105. |
| |
作者姓名: | 王国才 张聪 |
| |
作者单位: | 重庆交通大学信息科学与工程学院,重庆400074 |
| |
摘 要: | 朴素贝叶斯分类器是一种简单高效的分类算法,但其属性独立性假设影响了分类效果。通过放松朴素贝叶斯假设可以增强朴素贝叶斯的分类效果,但是通常会导致计算代价大幅提高。针对以上问题,提出了一种基于粗糙集的特征加权朴素贝叶斯算法,加权参数直接从训练数据中学习得到,可以看作是计算某个后验概率时,某个特征对于该类别的影响程度。将该分类算法与朴素贝叶斯分类器(na ve bayesian classifier,NB)、贝叶斯网(bayes networks)和NBTree分类器进行实验比较。结果表明:在大多数数据集上,FWNB分类器在较小的计算代价下,具有较高的分类正确率。
|
关 键 词: | 贝叶斯分类器 朴素贝叶斯分类器 特征加权 粗糙集 |
本文献已被 维普 等数据库收录! |
|