多維貝葉斯分類器的研究.pdf

1、多維貝葉斯分類模型是一種描述類變量與類變量、類變量與屬性變量和屬性變量與屬性變量之間的依賴關系的分類模型．本文針對完全樸素多維貝葉斯分類模型要求變量之間具有獨立性假設，以及無法有效利用類變量和類變量，屬性變量與屬性變量之間的依賴關系等問題，研究了多維貝葉斯分類模型并進行了仿真實驗．
　　首先基于貝葉斯網絡的最大似然值的打分方法，學習多維貝葉斯分類模型的類子圖，屬性子圖和橋子圖．再通過加邊、減邊或者轉邊等措施對最初的結構圖進行改進，

2、得到一個分類效果較好的多維貝葉斯分類模型．
　　其次針對數據包含影響分類效果的冗余屬性和無關屬性，本文提出了一種新的基于馬爾科夫毯的屬性選擇方法：把分類變量作為普通節(jié)點，學習貝葉斯網絡結構，在此結構中尋找類變量的子節(jié)點和配偶節(jié)點，進一步在給定類變量時尋找與類變量的馬爾科夫毯節(jié)點集條件獨立的變量集，進而刪除冗余屬性節(jié)點．
　　最后對三類數據進行仿真實驗，結果表明本文采用的屬性選擇方法能夠有效刪除冗余屬性變量，分類效果優(yōu)于對比的