| 《计算机学报》文章摘要 全文下载 | |
| 文章题目 | 连续属性完全贝叶斯分类器的学习与优化 |
| 作者 | 王双成1),2) 杜瑞杰1) 刘颖1) |
| 作者单位 | 1)(上海立信会计学院数学与信息学院 上海 201620) 2)(上海立信会计学院开放经济与贸易研究中心 上海 201620) |
| 发表年份 | 2012 |
| 发表月份 | 10期(2129—2138) |
| 文章摘要 | 摘要 针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息，而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题，文中在使用多元高斯核函数估计属性条件联合密度的基础上，建立了具有多平滑参数的连续属性完全贝叶斯分类器，并给出将分类准确性标准与区间异步长划分完全搜索相结合的平滑参数优化方法，再通过时序扩展构建了动态完全贝叶斯分类器.我们使用UCI机器学习数据仓库中连续属性分类数据和宏观经济数据进行实验，结果显示，经过优化的两种分类器均具有良好的分类准确性. 关键词 连续属性；完全贝叶斯分类器；动态完全贝叶斯分类器；高斯核函数；平滑参数 中图法分类号 TP181 DOI号: 10.3724/SP.J.1016.2012.02129 |