北京交通大学学报(自然科学版)
北京交通大學學報(自然科學版)
북경교통대학학보(자연과학판)
JOURNAL OF BEIJING JIAOTONG UNIVERSITY
2008年
2期
26-29
,共4页
陈景年%黄厚宽%杨莉萍%田凤占
陳景年%黃厚寬%楊莉萍%田鳳佔
진경년%황후관%양리평%전봉점
数据分类%特征选择%贝叶斯方法%不完整数据
數據分類%特徵選擇%貝葉斯方法%不完整數據
수거분류%특정선택%패협사방법%불완정수거
通过删除数据集中的无关属性和冗余属性构建的选择性分类器可以有效地提高分类精度和效率.由于处理不完整数据的复杂性,已有的选择性分类器大都是针对完整数据的.然而,现实中的数据通常是不完整的并且包含许多冗余属性或无关属性.为解决这一问题,在构建的不完整数据分类器 DBNB 的基础上给出了一种有效的选择性分类器:SDBNB.在12个标准的不完整数据集上的实验结果显示,SDBNB 的分类准确率比分类效果较好的选择性不完整数据分类器SNB和SRBC平均高出0.69%和0.58%,而其标准离差比 SNB 和 SRBC 平均低0.11和0.05.这表明SDBNB 不仅有较高的分类准确率,而且分类效果更稳定.
通過刪除數據集中的無關屬性和冗餘屬性構建的選擇性分類器可以有效地提高分類精度和效率.由于處理不完整數據的複雜性,已有的選擇性分類器大都是針對完整數據的.然而,現實中的數據通常是不完整的併且包含許多冗餘屬性或無關屬性.為解決這一問題,在構建的不完整數據分類器 DBNB 的基礎上給齣瞭一種有效的選擇性分類器:SDBNB.在12箇標準的不完整數據集上的實驗結果顯示,SDBNB 的分類準確率比分類效果較好的選擇性不完整數據分類器SNB和SRBC平均高齣0.69%和0.58%,而其標準離差比 SNB 和 SRBC 平均低0.11和0.05.這錶明SDBNB 不僅有較高的分類準確率,而且分類效果更穩定.
통과산제수거집중적무관속성화용여속성구건적선택성분류기가이유효지제고분류정도화효솔.유우처리불완정수거적복잡성,이유적선택성분류기대도시침대완정수거적.연이,현실중적수거통상시불완정적병차포함허다용여속성혹무관속성.위해결저일문제,재구건적불완정수거분류기 DBNB 적기출상급출료일충유효적선택성분류기:SDBNB.재12개표준적불완정수거집상적실험결과현시,SDBNB 적분류준학솔비분류효과교호적선택성불완정수거분류기SNB화SRBC평균고출0.69%화0.58%,이기표준리차비 SNB 화 SRBC 평균저0.11화0.05.저표명SDBNB 불부유교고적분류준학솔,이차분류효과경은정.