188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功,开通会员云端永久保存 去开通
vovsave

上传于:2012-12-26

粉丝量:109

该文档贡献者很忙,什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于K_均值聚类的朴素贝叶斯网络分类模型

    星级: 6 页

  • 基于k_均值聚类的朴素贝叶斯分类算法

    星级: 3 页

  • 基于核的K_均值聚类

    星级: 3 页

  • 基于核的K_均值聚类

    星级: 3 页

  • 基于K_均值聚类算法的岸桥载荷分类识别_张冰倩

    星级: 6 页

  • 基于主题模型的K_均值文本聚类

    星级: 4 页

  • 出土文献与思想史研究方法论刍议

    星级: 7 页

  • 基于k-均值聚类的朴素贝叶斯分类算法

    星级: 3 页

  • 基于k-均值聚类的朴素贝叶斯分类算法

    星级: 3 页

  • 基于K_均值聚类和凝聚聚类的离群点查找方法

    星级: 3 页

  • 基于K_均值聚类与夹角余弦法的多光谱分类算法

    星级: 4 页

  • [精品]基于K_均值聚类与夹角余弦法的多光谱分类算法

    星级: 4 页

  • 基于聚类的朴素贝叶斯分类模型的研究与应用

    星级: 50 页

  • 基于聚类的朴素贝叶斯分类模型的研究与应用

    星级: 53 页

  • 基于聚类的朴素贝叶斯分类模型的研究与应用

    星级: 52 页

暂无目录

点击鼠标右键菜单,创建目录

暂无笔记

选择文本,点击鼠标右键菜单,添加笔记

暂无书签

在左侧文档中,点击鼠标右键,添加书签

188宝金博页面版: 基于K_均值聚类的朴素贝叶斯网络分类模型

下载积分: 300

内容提示: 第 29 卷第 8 期Vol. 29NO. 8重庆工商大学学报( 自然科学版)J Chongqing Technol Business Univ. ( Nat Sci Ed)2012 年 8 月Aug. 2012文章编号:1672 -058X( 2012)08 -0036 - 06基于 K-均值聚类的朴素贝叶斯网络分类模型刘亚辉,王越,谭暑秋( 重庆理工大学 计算机科学与工程学院,重庆 400054)收稿日期:2012 - 02 - 12;修回日期:2012 - 03 - 15.* 基金项目 : 重庆市科技攻关资金资助项目 ( CSTC,2009AC2068) .作者简介: 刘亚辉( 1984-) ,男,河南驻马店人,硕士,从事数据库与数据挖掘研究.摘要: 针对朴素贝叶斯网络分类模型在处理高维大数据量时的效率偏低和准确率有待提高的问题, 结合主元分析法与...

文档格式:PDF | 页数:6 | 浏览次数:34 | 上传日期:2012-12-26 08:48:52 | 文档星级:
第 29 卷第 8 期Vol. 29NO. 8重庆工商大学学报( 自然科学版)J Chongqing Technol Business Univ. ( Nat Sci Ed)2012 年 8 月Aug. 2012文章编号:1672 -058X( 2012)08 -0036 - 06基于 K-均值聚类的朴素贝叶斯网络分类模型刘亚辉,王越,谭暑秋( 重庆理工大学 计算机科学与工程学院,重庆 400054)收稿日期:2012 - 02 - 12;修回日期:2012 - 03 - 15.* 基金项目 : 重庆市科技攻关资金资助项目 ( CSTC,2009AC2068) .作者简介: 刘亚辉( 1984-) ,男,河南驻马店人,硕士,从事数据库与数据挖掘研究.摘要: 针对朴素贝叶斯网络分类模型在处理高维大数据量时的效率偏低和准确率有待提高的问题, 结合主元分析法与 K-均值聚类算法构造出了一个改进的朴素贝叶斯网络分类模型; 摒弃了非类属性变量相对于类属性变量相对独立的前提条件, 算法首先用主元分析法在对数据集的信息量尽量保存的同时进行了降维操作, 使得算法可以着重于进行分类问题; 算法还提出 了 一个“相对融合点”的概念, 有效地提高了算法的性能; 最后对算法的性能进行了分析, 并将改进的算法应用到实际的数据集进行实验, 用算法产生的分类结果对数据集中产生的一些缺失数据进行修补。关键词: 贝叶斯网络分类;朴素贝叶斯网络;K-均值聚类;数据挖掘中图分类号: TP311. 13文献标志码: A朴素贝叶斯网分类器( Nave Bayesian classifier,NB)[1]是目 前被公认的一种简单而有效的概率分类的方法,它同时也是贝叶斯网分类器的一种。 从某种意义上来说其预测性能可与神经网络、 决策树等算法相媲美,因此在某些领域中表现出了它性能的优异性[2]。 许多工作研究者从不同的方向思考, 并从 NB 方法中的“独立性假设”出发,为了提高分类器的性能从而构造出了不同的改进模型[3- 5]。 由于朴素贝叶斯网络的分类模型以各个非类属性变量相对于类属性变量相对独立为前提的, 也就是各个非类属性变量独立地作用于类属性变量。 此前提条件在一定程度上限制了朴素贝叶斯网络分类模型的适用范围, 虽然降低了贝叶斯网络的构建复杂性,但是当处理的数据维数较多, 且数据量较大时, 朴素贝叶斯网络分类的效率则是偏低的,其准确率有待提高。 在朴素贝叶斯网络的基础上结合主元分析法与 K-均值聚类算法构造出了一个改进的朴素贝叶斯网络的分类模型。 由于主元分析法是解决多维数据行之有效的方法, 而 K-均值聚类算法能够使簇内具有较高的相似度,而簇间的相似度较低,这将有便于从多维属性中有效地进行降维处理。1相关概念概念 1( 相对融合点)在一个数据集 D = ( x1,x2,…,xn) 中, 设存在一个值 x'能够代表数据中的特点并与数据集具有很好的拟合性,则 x'称为相对融合点。概念 2( K-均值聚类)K-means 算法以 K 为参数,把 N 个对象分为 K 个簇,以使簇内的相似度较高,而簇间的相似度较低。 根据一个簇中的平均值( 视为簇重心) 来进行相似度的计算。 K-means 算法的处理过程如下:( 1)随机选择 K 个对象,每一个对象初始代表一个簇的中心或平均值。 计算剩余的每个对象与各个簇中心的距离,再

188宝金博页面版:关注我们

  • 新浪微博

关注188宝金博页面版公众号

188宝金博页面版
阅读
APP
阅读
返回
顶部
188宝金博页面版官网登录在线平台入口(2026已更新)—江苏协昌电子科技股份有限公司