文献类型：期刊文章

作　　者：姜卯生[1] 王浩[1] 姚宏亮[1]

机构地区：[1]合肥工业大学计算机科学与技术系,合肥230009

出　　处：《计算机工程与应用》

基　　金：安徽省自然科学基金(编号:03042305)资助

年　　份：2004

卷　　号：40

期　　号：14

起止页码：57-59

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：首先介绍了一种朴素贝叶斯增量分类模型,然后提出了一种新的序列学习算法以弥补其学习序列中存在的不足训练实例的先验知识得不到充分利用,测试实例的完备性对分类的影响在学习过程中得不到体现等。该算法引入一个分类损失权重系数λ,用于计算分类损失大小。引入该系数的作用在于充分利用先验知识对分类器进行了优化;通过选择合理的学习序列强化了较完备数据对分类的积极影响,弱化了噪音数据的消极影响,从而提高分类精度;弥补了独立性假设在实际问题中的不足等。

关 键 词：贝叶斯分类器 增量学习  共轭分布  Dirichlet分布  

分 类 号：TP18]