文献类型：期刊文章

作　　者：程克非[1] 张聪[2]

机构地区：[1]重庆邮电学院计算机科学系,重庆400065 [2]重庆交通学院计算机科学系,重庆400074

出　　处：《计算机仿真》

年　　份：2006

卷　　号：23

期　　号：10

起止页码：92-94

语　　种：中文

收录情况：CSCD、CSCD_E2011_2012、JST、ZGKJHX、普通刊

摘　　要：朴素贝叶斯分类器是一种广泛使用的分类算法,其计算效率和分类效果均十分理想。但是,由于其基础假设“朴素贝叶斯假设”与现实存在一定的差异,因此在某些数据上可能导致较差的分类结果。现在存在多种方法试图通过放松朴素贝叶斯假设来增强贝叶斯分类器的分类效果,但是通常会导致计算代价大幅提高。该文利用特征加权技术来增强朴素贝叶斯分类器。特征加权参数直接从数据导出,可以看作是计算某个类别的后验概率时,某个属性对于该计算的影响程度。数值实验表明,特征加权朴素贝叶斯分类器(FNVNB)的效果与其他的一些常用分类算法,例如树扩展朴素贝叶斯(TAN)和朴素贝叶斯树(NBTree)等的分类效果相当,其平均错误率都在17％左右;在计算速度上,FWNB接近于NB,比TAN和NBTree快至少一个数量级。

关 键 词：贝叶斯分类器 朴素贝叶斯分类器 特征加权

分 类 号：TP391.4]