|
|||||
|
|
| 基于贝叶斯网络理论的TAN分类器无向依赖扩展 | |
| 引用本文： | 王双成,张邦佐,王辉,苑森淼.基于贝叶斯网络理论的TAN分类器无向依赖扩展[J].小型微型计算机系统,2005,26(1):42-45. |
| 作者姓名： | 王双成 张邦佐 王辉 苑森淼 |
| 作者单位： | 1. 上海立信会计学院,信息科学系,上海,201600 2. 东北师范大学,计算机系,吉林,长春,130024 3. 吉林大学,计算机科学与技术学院,吉林,长春,130025 |
| 基金项目： | 国家自然科学基金项目 (60 2 75 0 2 6)资助 |
| 摘 要： | 基于贝叶斯网络理论，对TAN分类器进行无向网络依赖扩展，把属性变量之问的树结构扩展成可分解马尔科夫网络．使经过依赖扩展得到的分类器能够充分利用属性变量之间的依赖信息，提高分类能力，并能够通过调节阚值大小避免过度拟舍． |
| 关 键 词： | TAN分类器 可分解马尔科夫网络 贝叶斯网络 0-1损失率 最大完全子图 |
| 文章编号： | 1000-1220(2005)01-0042-04 |
Extending TAN Classifiers Using Undirected Graphical Models Based on Bayesian Network Theory |
|
| WANG Shuang-cheng,ZHANG Bang-zuo,WANG Hui,YUAN Sen-m iao.Extending TAN Classifiers Using Undirected Graphical Models Based on Bayesian Network Theory[J].Mini-micro Systems,2005,26(1):42-45. | |
| Authors: | WANG Shuang-cheng ZHANG Bang-zuo WANG Hui YUAN Sen-m iao |
| Affiliation: | WANG Shuang-cheng1,ZHANG Bang-zuo2,WANG Hui2,YUAN Sen-m iao3 1 |
| Abstract: | TAN classifier is ext ended using undirected graphical models based on Bayesian network theory. Attrib ute tree is extended into decomposable markov network. As a result, Extended cl assifier can make the best of dependent information between attribute variables and classification accuracy is improved. Overfitting problem can be avoided by a djusting threshold. |
| Keywords: | TAN classifier decomposable Markov network Bayesian network zero- one loss rate clique |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |