文献类型：期刊文章

作　　者：张亚萍[1] 陈得宝[1] 侯俊钦[1] 杨一军[1]

机构地区：[1]淮北师范大学物理与电子信息学院,安徽淮北235000

出　　处：《计算机工程与应用》

基　　金：高等学校省级优秀青年人才基金项目(No.2009SQRZ090);安徽省自然科学基金(No.090412070);安徽省教育厅重点资助项目(No.20100508)

年　　份：2011

卷　　号：47

期　　号：15

起止页码：134-137

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对朴素贝叶斯分类算法中缺失数据填补问题,提出一种基于改进EM(Expectation Maximization)算法的朴素贝叶斯分类算法。该算法首先根据灰色相关度对缺失数据一个估计,估计值作为执行EM算法的初始值,迭代执行E步M步后完成缺失数据的填补,然后用朴素贝叶斯分类算法对样本进行分类。实验结果表明,改进算法具有较高的分类准确度。并将改进的算法应用于高校教师岗位等级的评定。

关 键 词：贝叶斯分类 EM算法 缺失数据 预测模型  

分 类 号：TP301.6]