计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2011年
9期
2530-2533
,共4页
反馈信息%遗传算法%特征选择%朴素贝叶斯%增量学习
反饋信息%遺傳算法%特徵選擇%樸素貝葉斯%增量學習
반궤신식%유전산법%특정선택%박소패협사%증량학습
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.
貝葉斯分類器形成初期,訓練集不完備,生成的分類器性能不理想且不能動態跟蹤用戶需求.針對此缺陷,提齣一種結閤反饋信息的貝葉斯分類增量學習方法.為有效降低特徵間的冗餘性,提高反饋特徵子集的代錶能力,用一種基于遺傳算法的改進特徵選擇方法選取反饋集中最優特徵子集脩正分類器.通過實驗分析瞭算法的性能,結果證明該算法能明顯優化分類效果,且整體穩定性較好.
패협사분류기형성초기,훈련집불완비,생성적분류기성능불이상차불능동태근종용호수구.침대차결함,제출일충결합반궤신식적패협사분류증량학습방법.위유효강저특정간적용여성,제고반궤특정자집적대표능력,용일충기우유전산법적개진특정선택방법선취반궤집중최우특정자집수정분류기.통과실험분석료산법적성능,결과증명해산법능명현우화분류효과,차정체은정성교호.
