电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2011年
7期
1628-1633
,共6页
选择性贝叶斯分类器%属性选择%最大相关最小冗余%贝叶斯信息准则%离散化
選擇性貝葉斯分類器%屬性選擇%最大相關最小冗餘%貝葉斯信息準則%離散化
선택성패협사분류기%속성선택%최대상관최소용여%패협사신식준칙%리산화
在最大相关最小冗余（mRMR）属性选择方法的基础上,通过设置一个调节因子来改变类别相关性在属性选择中的影响程度,解决mRMR方法易于引入冗余属性的问题,提出一种类相关性影响可变选择性贝叶斯分类器(CCRI SBC).为克服人为指定属性个数易于导致的分类结果随意性,采用贝叶斯信息准则来自动确定最优属性个数.为使CCRI SBC能够处理含有连续变量的数据集,提出等频类别依赖最大化离散化方法,具有分类准确率高和离散化时间短的优点.UCI数据集的实验结果表明,本文方法能够有效处理离散和连续高维数据的分类问题.
在最大相關最小冗餘（mRMR）屬性選擇方法的基礎上,通過設置一箇調節因子來改變類彆相關性在屬性選擇中的影響程度,解決mRMR方法易于引入冗餘屬性的問題,提齣一種類相關性影響可變選擇性貝葉斯分類器(CCRI SBC).為剋服人為指定屬性箇數易于導緻的分類結果隨意性,採用貝葉斯信息準則來自動確定最優屬性箇數.為使CCRI SBC能夠處理含有連續變量的數據集,提齣等頻類彆依賴最大化離散化方法,具有分類準確率高和離散化時間短的優點.UCI數據集的實驗結果錶明,本文方法能夠有效處理離散和連續高維數據的分類問題.
재최대상관최소용여（mRMR）속성선택방법적기출상,통과설치일개조절인자래개변유별상관성재속성선택중적영향정도,해결mRMR방법역우인입용여속성적문제,제출일충류상관성영향가변선택성패협사분류기(CCRI SBC).위극복인위지정속성개수역우도치적분류결과수의성,채용패협사신식준칙래자동학정최우속성개수.위사CCRI SBC능구처리함유련속변량적수거집,제출등빈유별의뢰최대화리산화방법,구유분류준학솔고화리산화시간단적우점.UCI수거집적실험결과표명,본문방법능구유효처리리산화련속고유수거적분류문제.
