计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
29期
144-146
,共3页
朴素贝叶斯分类器%相关度%相关系数%属性加权%AdaBoost
樸素貝葉斯分類器%相關度%相關繫數%屬性加權%AdaBoost
박소패협사분류기%상관도%상관계수%속성가권%AdaBoost
为提高朴素贝叶斯分类器的分类精度和泛化能力,提出了基于属性相关性的加权贝叶斯集成方法(WEBNC).根据每个条件属性与决策属性的相关度对其赋以相应的权值,然后用AdaBoost训练属~性加权后的BNC.该分类方法在16+UCI标准数据集上进行了测试,并与BNC、贝叶斯网和由AdaBoost训练出的BNC进行比较,实验结果表明,该分类器具有更高的分类精度与泛化能力.
為提高樸素貝葉斯分類器的分類精度和汎化能力,提齣瞭基于屬性相關性的加權貝葉斯集成方法(WEBNC).根據每箇條件屬性與決策屬性的相關度對其賦以相應的權值,然後用AdaBoost訓練屬~性加權後的BNC.該分類方法在16+UCI標準數據集上進行瞭測試,併與BNC、貝葉斯網和由AdaBoost訓練齣的BNC進行比較,實驗結果錶明,該分類器具有更高的分類精度與汎化能力.
위제고박소패협사분류기적분류정도화범화능력,제출료기우속성상관성적가권패협사집성방법(WEBNC).근거매개조건속성여결책속성적상관도대기부이상응적권치,연후용AdaBoost훈련속~성가권후적BNC.해분류방법재16+UCI표준수거집상진행료측시,병여BNC、패협사망화유AdaBoost훈련출적BNC진행비교,실험결과표명,해분류기구유경고적분류정도여범화능력.