文献类型：期刊文章

作　　者：秦锋[1] 任诗流[1] 程泽凯[1] 罗慧[1]

机构地区：[1]安徽工业大学计算机学院,安徽马鞍山243000

出　　处：《计算机工程与应用》

基　　金：安徽省教育厅自然科学研究重点项目(the Grand Research Project of Department of Education of Anhui Province;Chinaunder Grant No.KJ2007A051);安徽省教育厅自然科学研究项目(the Research Project of Department of Education of Anhui Province;Chinaunder Grant No.2006KJ061B)。

年　　份：2008

卷　　号：44

期　　号：6

起止页码：107-109

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：朴素贝叶斯分类是一种简单而高效的方法,但是它的属性独立性假设,影响了它的分类性能。通过放松朴素贝叶斯假设可以增强其分类效果,但通常会导致计算代价大幅提高。提出了属性加权朴素贝叶斯算法,该算法通过属性加权来提高朴素贝叶斯分类器性能,加权参数直接从训练数据中学习得到。权值可以看作是计算某个类的后验概率时,某属性取值对该类别的影响程度。实验结果表明,该算法可行而且有效。

关 键 词：分类  朴素贝叶斯 独立性假设  属性加权

分 类 号：TP18]