貝葉斯分類算法的研究與應(yīng)用.pdf_第1頁(yè)
已閱讀1頁(yè),還剩40頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文重點(diǎn)研究了數(shù)據(jù)挖掘中的貝葉斯方法,它具有堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ),并能綜合先驗(yàn)信息和數(shù)據(jù)樣本信息,成為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)研究的熱點(diǎn)之一。樸素貝葉斯分類器是一種簡(jiǎn)單而有效的概率分類方法,然而其屬性獨(dú)立性假設(shè)在現(xiàn)實(shí)世界中多數(shù)不能成立。為了改進(jìn)該方法的分類性能,近幾年已有大量研究成果,許多學(xué)者都致力于構(gòu)建能反映屬性之間依賴關(guān)系的貝葉斯分類模型。
  本文簡(jiǎn)要地介紹了關(guān)于樸素貝葉斯分類器和粗糙集的基本理論,包括樸素貝葉斯分類模型,基于屬性相

2、關(guān)性分析的貝葉斯分類模型,加權(quán)貝葉斯分類模型,粗糙集基本理論和屬性重要度的構(gòu)造方法。本文根據(jù)Rough Set屬性重要度理論,構(gòu)建了基于互信息的屬性子集重要度度量公式,提出屬性相關(guān)性的加權(quán)樸素貝葉斯分類算法(WCB),該算法同時(shí)放寬了樸素貝葉斯算法屬性獨(dú)立性、屬性重要性相同的假設(shè)。通過(guò)數(shù)據(jù)仿真實(shí)驗(yàn),與基于屬性相關(guān)相關(guān)性分析的貝葉斯(CB)和加權(quán)樸素貝葉斯(WNB)兩種算法做比較,證明了該算法的有效性。
  最后對(duì)全文的工作進(jìn)行了總

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論