属性加权的朴素贝叶斯集成分类器
속성가권적박소패협사집성분류기
Naive Bayesian ensemble classifier using attribute weighting
  • 万方数据
    计算机工程与应用 계산궤공정여응용
    COMPUTER ENGINEERING AND APPLICATIONS
    2010年 29期 144-146 ,共3页

    张雯%张化祥

    장문%장화상

    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.
    위제고박소패협사분류기적분류정도화범화능력,제출료기우속성상관성적가권패협사집성방법(WEBNC).근거매개조건속성여결책속성적상관도대기부이상응적권치,연후용AdaBoost훈련속～성가권후적BNC.해분류방법재16+UCI표준수거집상진행료측시,병여BNC、패협사망화유AdaBoost훈련출적BNC진행비교,실험결과표명,해분류기구유경고적분류정도여범화능력.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문