吉林大学学报（信息科学版）
吉林大學學報（信息科學版）
길림대학학보（신식과학판）
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2007年
1期
57-61
,共5页
董立岩%刘光远%苑森淼%李永丽%孙铭会
董立巖%劉光遠%苑森淼%李永麗%孫銘會
동립암%류광원%원삼묘%리영려%손명회
贝叶斯定理%朴素贝叶斯%数据挖掘%分类
貝葉斯定理%樸素貝葉斯%數據挖掘%分類
패협사정리%박소패협사%수거알굴%분류
为了降低朴素贝叶斯分类模型的独立性假设约束,提出一种混合式朴素贝叶斯分类模型(MBN:Mixed Naive Bayes).通过分析贝叶斯定理,把条件属性集合划分成若干个独立的属性子集,用树增广朴素贝叶斯分类对属性子集分别进行分类学习,通过公式进行整合.将该模型算法与朴素贝叶斯及树增广朴素贝叶斯进行实验比较,实验结果表明MBN分类器在多数数据集上具有较高的分类正确率.
為瞭降低樸素貝葉斯分類模型的獨立性假設約束,提齣一種混閤式樸素貝葉斯分類模型(MBN:Mixed Naive Bayes).通過分析貝葉斯定理,把條件屬性集閤劃分成若榦箇獨立的屬性子集,用樹增廣樸素貝葉斯分類對屬性子集分彆進行分類學習,通過公式進行整閤.將該模型算法與樸素貝葉斯及樹增廣樸素貝葉斯進行實驗比較,實驗結果錶明MBN分類器在多數數據集上具有較高的分類正確率.
위료강저박소패협사분류모형적독립성가설약속,제출일충혼합식박소패협사분류모형(MBN:Mixed Naive Bayes).통과분석패협사정리,파조건속성집합화분성약간개독립적속성자집,용수증엄박소패협사분류대속성자집분별진행분류학습,통과공식진행정합.장해모형산법여박소패협사급수증엄박소패협사진행실험비교,실험결과표명MBN분류기재다수수거집상구유교고적분류정학솔.
