郑州大学学报(理学版)
鄭州大學學報(理學版)
정주대학학보(이학판)
JOURNAL OF ZHENGZHOU UNIVERSITY(NATURAL SCIENCE EDITION)
2014年
2期
43-49
,共7页
贝叶斯网络%分类器%进化算法%属性约简
貝葉斯網絡%分類器%進化算法%屬性約簡
패협사망락%분류기%진화산법%속성약간
Bayesian network%classifier%evolutionary algorithm%attribute reduction
提出一种新的学习无约束贝叶斯网络分类器的算法(RE-BNC).该算法基于粗糙集理论,在保证分类精度不变的前提下,先对冗余属性变量进行约简,降低属性变量维数,然后构建一个无约束优化模型用来学习较好的初始种群,降低搜索空间,再结合进化算法学习分类器的网络结构.与其他常见的8种分类器算法相比较,实验结果表明该算法设计合理,且分类效果较好.
提齣一種新的學習無約束貝葉斯網絡分類器的算法(RE-BNC).該算法基于粗糙集理論,在保證分類精度不變的前提下,先對冗餘屬性變量進行約簡,降低屬性變量維數,然後構建一箇無約束優化模型用來學習較好的初始種群,降低搜索空間,再結閤進化算法學習分類器的網絡結構.與其他常見的8種分類器算法相比較,實驗結果錶明該算法設計閤理,且分類效果較好.
제출일충신적학습무약속패협사망락분류기적산법(RE-BNC).해산법기우조조집이론,재보증분류정도불변적전제하,선대용여속성변량진행약간,강저속성변량유수,연후구건일개무약속우화모형용래학습교호적초시충군,강저수색공간,재결합진화산법학습분류기적망락결구.여기타상견적8충분류기산법상비교,실험결과표명해산법설계합리,차분류효과교호.