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
uk3632

上传于：2016-04-30

粉丝量：5

机械专业，具有良好的动手能力，工作踏实、有责任心、认真严谨、一丝不苟。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 不同类变量下属性聚类的朴素贝叶斯分类算法

    星级： 3 页

  • 基于条件互信息下聚类的朴素贝叶斯分类算法

    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-均值聚类的朴素贝叶斯分类算法

    星级： 3 页

  • 基于属性加权的朴素贝叶斯分类算法

    星级： 3 页

  • 基于属性相关的朴素贝叶斯分类算法

    星级： 5 页

  • 基于属性选择的改进加权朴素贝叶斯分类算法

    星级： 6 页

  • 基于属性加权的朴素贝叶斯分类算法改进　

    星级： 3 页

  • 基于属性加权的朴素贝叶斯分类算法改进

    星级： 3 页

  • 基于属性相关的朴素贝叶斯分类算法

    星级： 5 页

  • 基于属性加权的朴素贝叶斯分类算法

    星级： 3 页

  • 基于属性加权的朴素贝叶斯分类算法

    星级： 3 页

  • 基于属性加权的朴素贝叶斯分类算法改进

    星级： 2 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: 不同类变量下属性聚类的朴素贝叶斯分类算法　

    下载积分： 696

    内容提示： 第3l 卷第11期2011年11月计算机应用J ournalofComputer Appl i cati onsVoI．31 No．1lNov．201l文章编号：1001—9081( 2011) 11—3072-03doi ：10．3724／SP．J ．1087．201不同类变量下属性聚类的朴素贝叶斯分类算法彭兴媛，刘琼荪( 重庆大学数学与统计学院，重庆401331)(duzai hai j i ao@163．com)摘要：朴素贝叶斯( NB) 分类算法虽是一种简单且有效的分类方法，但其条件属性独立性假设忽略了属性变量间存在的相关性。考虑到条件独立性假设对分类效果的影响，提出一种新的将条件属性进行聚类的分组技术，不仅避免了传统朴素贝叶斯算法假设各条件属性问独立的这一缺陷，而且反映出了在...

    文档格式：PDF | 页数：3 | 浏览次数：37 | 上传日期：2016-04-30 10:07:56 | 文档星级：
    第3l 卷第11期2011年11月计算机应用J ournalofComputer Appl i cati onsVoI．31 No．1lNov．201l文章编号：1001—9081( 2011) 11—3072-03doi ：10．3724／SP．J ．1087．201不同类变量下属性聚类的朴素贝叶斯分类算法彭兴媛，刘琼荪( 重庆大学数学与统计学院，重庆401331)(duzai hai j i ao@163．com)摘要：朴素贝叶斯( NB) 分类算法虽是一种简单且有效的分类方法，但其条件属性独立性假设忽略了属性变量间存在的相关性。考虑到条件独立性假设对分类效果的影响，提出一种新的将条件属性进行聚类的分组技术，不仅避免了传统朴素贝叶斯算法假设各条件属性问独立的这一缺陷，而且反映出了在不同类别情况下条件属性间具有的不同依赖程度。经过对UCI的几个数据集的仿真实验，结果表明了新算法的有效性。关键词：朴素贝叶斯；属性关联程度；聚类算法；r统计量中图分类号：TPl 8 文献标志码：ANai ve Bayesi an cl assi fi cati onattri butecl usteri ngunderPENG Xi ng—yuan．UU( Col l ege ofMathemati csand Stati sti cs, Chon罾qi ngAbstract：In numerous cl assi fi cati on methods，al thougheffecti ve，i tsattri butei ndependence assumpti on i gnoresthe correl ati onattri butei ndependence assumpt i on，anew groupi ngtechnol ogytechnol ogynotonl yovercomes thedefi ci ency ari si ngfrom thecl assi fi cati onal gori thm，butal so refl ects the di fferent correl ati onSi mul ati on resul ts on avari etyof UCI data sets i l l ustrate theeffi ci encyKey words：Nai ve Bayesi an( NB) ；attri bute correl ati on i ntensi ty；cl usteri ng0引言朴素贝叶斯( Nai ve Bayesi an，NB) 分类算法? 因其结合了先验概率的知识使得其分类效果可与决策树、支持向量机等算法媲美，甚至在某些领域中能够表现出更加优越的性能，因此它是目前公认的一种简单有效的分类方法。然而朴素贝叶斯的条件属性的独立性假设在现实世界中往往是不成立的，于是构造能表示属性之间关联性的改进朴素贝叶斯分类算法已成为贝叶斯分类算法的研究重点。树增强型朴素贝叶斯(Tree Augmented Nai ve Bayesi an，TAN) 分类器川放松了独立性假设条件，采用树形结构近似分解以类变量为条件的条件概率，有效地改进了朴素贝叶斯分类器的分类性能。文献[ 3] 提出了一种基于条件信息熵的自主式朴素贝叶斯分类方法，结合了选择朴素贝叶斯和加权朴素贝叶斯的优点；文献[ 4] 采用一种向量相关性的度量方法构造了贝叶斯分类算法；文献[ 5] 提出一种采用穷尽搜索的属性分组技术，使得属性问的独立性条件弱化为属性组之间的独立性。但运用到现实问题中时，属性能够被完全分成独立的子集合也只是少数情况?。考虑到在不同的类变量下属性间的相关程度也会有所不同，鉴于此，本文采用，统计量度量同一类变量下属性间的相关性大。⑻岢鲆恢中伦荚蛳碌木劾喾椒ń喙氐氖粜跃畚桓鍪粜宰蛹，目的是弱化独立性假设的条件，并将该聚类方法应用于朴素贝叶斯分类模型中，提出一种新的不同类合，A为数据集中包含n个条件属性A。，A：，?，A。的集合，给定一个数据集中的待分类样本x=( 菇，，X2，? ，牧) ，其中毛是条件属性A；的取值，即茹。∈A；，则可根据贝叶斯公式计算出样本x属于类变量Q( 1≤k≤m) 的概率。由贝叶斯公式：P(c。IX)=坠黑世筐P(G)P(xIG)，其中P( x) 对于所有的类变量均为常数。根据贝叶斯最大后验规则，若有P(C。l X)>P(c，Ix)，Vj , j ≠ i ，1≤，≤m成立，则将x分配给类变量c；。因为朴素贝叶斯分类器假设条件属性间是相互独立的，则有P(Xl q)=nP(x。l Q)，所以朴素贝叶斯分类模型表示为：氏(x)一rg卟m。axP(Ci)珥|P(钆I￡)(1)P( C；) 为先验概率，可通过P( C；) =S；／S计算得到，其中S；是属于类变量Bi ={Al l ' A垃，? ，A缸}的训练样本的个数，5是训练样本的总数。收稿日期：201l 一05—10；i t回日期：2011—07—06。 基金项目：中央高校基本科研业务费资助项目( CDJ XSl l l 00038) 。作者简介：彰兴嫒( 1985一) ，女，四川遂宁人，硕士研究生，主要研究方向：数据分析、统计决策；刘琼荪( 1956一) ，女，重庆人，教授，主要研究方向：智能计算、数据挖掘、应用统计。

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    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