| 基于模型似然的超1-依赖贝叶斯分类器集成方法 |
| |
| 引用本文： | 李楠,姜远,周志华. 基于模型似然的超1-依赖贝叶斯分类器集成方法[J]. 模式识别与人工智能, 2007, 20(6) |
| |
| 作者姓名： | 李楠 姜远 周志华 |
| |
| 作者单位： | 南京大学计算机软件新技术国家重点实验室,南京,210093;南京大学计算机软件新技术国家重点实验室,南京,210093;南京大学计算机软件新技术国家重点实验室,南京,210093 |
| |
| 基金项目： | 国家自然科学基金，江苏省自然科学基金 |
| |
| 摘 要： | 平均1-依赖贝叶斯分类器(AODE)是一种重要的贝叶斯学习方法,但由于其平等看待各个超1-依赖贝叶斯分类器输出,可能对最终结果造成不好影响.本文将每个超1-依赖贝叶斯分类器看作一个产生式模型,并通过模型似然度量超1-依赖贝叶斯分类器的性能,进而提出基于模型似然的超1-依赖贝叶斯分类器集成方法(LODE).与AODE相比,LODE仅增加较少计算量却显著提高分类性能.
|
| 关 键 词： | 机器学习 数据挖掘 贝叶斯学习 朴素贝叶斯 集成学习 |
Model-Likelihood Based SuperParent-One-Dependence Estimator Ensemble Method |
| |
| LI Nan,JIANG Yuan,ZHOU Zhi-Hua. Model-Likelihood Based SuperParent-One-Dependence Estimator Ensemble Method[J]. Pattern Recognition and Artificial Intelligence, 2007, 20(6) |
| |
| Authors: | LI Nan JIANG Yuan ZHOU Zhi-Hua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
