模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2008年
6期
806-811
,共6页
树增强朴素贝叶斯(TAN)分类器%判别性学习%KL距离%EAR
樹增彊樸素貝葉斯(TAN)分類器%判彆性學習%KL距離%EAR
수증강박소패협사(TAN)분류기%판별성학습%KL거리%EAR
树增强朴素贝叶斯(TAN)分类器在模型的复杂性和分类精度之间实现较好折衷,成为当前分类器学习的一个研究热点.为了提高TAN分类器的分类准确率,本文提出一种基于KL距离的TAN分类器判别性学习方法.首先用EAR方法学习TAN分类器的结构,然后用基于KL距离的目标函数优化TAN的参数.在标准数据集上的实验结果表明,用该方法学习的TAN分类器具有较高的分类精度.
樹增彊樸素貝葉斯(TAN)分類器在模型的複雜性和分類精度之間實現較好摺衷,成為噹前分類器學習的一箇研究熱點.為瞭提高TAN分類器的分類準確率,本文提齣一種基于KL距離的TAN分類器判彆性學習方法.首先用EAR方法學習TAN分類器的結構,然後用基于KL距離的目標函數優化TAN的參數.在標準數據集上的實驗結果錶明,用該方法學習的TAN分類器具有較高的分類精度.
수증강박소패협사(TAN)분류기재모형적복잡성화분류정도지간실현교호절충,성위당전분류기학습적일개연구열점.위료제고TAN분류기적분류준학솔,본문제출일충기우KL거리적TAN분류기판별성학습방법.수선용EAR방법학습TAN분류기적결구,연후용기우KL거리적목표함수우화TAN적삼수.재표준수거집상적실험결과표명,용해방법학습적TAN분류기구유교고적분류정도.
