期刊文章详细信息
改进属性独立的加权朴素贝叶斯分类测试算法
Weighted Naive Bayes Classification Text Algorithm Based on Improved Independent Attributes
文献类型：期刊文章
机构地区：[1]河南理工大学应用技术学院,河南焦作454000
基 金：国家自然科学基金项目(No.51404099);武汉大学水射流理论与新技术湖北省重点实验室开放课题(No.HBKLWJ-2014F04);国家安全监管总局重大事故防治关键技术(No.henan-0037-2014AQ)
年 份：2015
期 号：8
起止页码：13-16
语 种：中文
收录情况：普通刊
摘 要：朴素贝叶斯算法是一种简单而高效的分类算法,但它的条件独立性和属性重要性假设,影响了其分类性能。为改进其分类性能,该文提出了一种改进属性独立的加权朴素贝叶斯分类测试算法。该算法同时放松了NB算法属性独立性、属性重要性两个假设,提升了分类正确率。通过在UCI部分数据集上进行仿真实验,与NB和WNB算法相比,证明了该算法的有效性。
关 键 词：主成分分析 方差贡献率 加权朴素贝叶斯 分类
分 类 号：TP18]
参考文献：
正在载入数据...
二级参考文献：
正在载入数据...
耦合文献：
正在载入数据...
引证文献：
正在载入数据...
二级引证文献：
正在载入数据...
同被引文献：
正在载入数据...
