首页> 中文期刊> 《情报学报》 >基于属性相关性分析的贝叶斯分类模型

基于属性相关性分析的贝叶斯分类模型

         

摘要

朴素贝叶斯分类器是一种简单而有效的概率分类方法,然而其属性独立性假设在现实世界中多数不能成立.为改进其分类性能,近几年已有大量研究致力于构建能反映属性之间依赖关系的模型.本文提出一种向量相关性度量方法,特征向量属于类的的概率由向量相关度及其属性概率计算.向量相关度可通过本文给出的一个公式进行估计.实验结果表明,使用这种方法构建的分类模型其分类性能明显优于朴素贝叶斯,和其他同类算法相比也有一定提高.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号