文献类型：期刊文章

作　　者：宁可[1] 孙同晶[1] 赵浩强[2]

NING Ke 1,SUN Tongjing 1,ZHAO Haoqiang 2(1.College of Automation,Hangzhou Dianzi University,Hangzhou 310018,China;2.Zhejiang Electronic Information Products Testing Institute,Hangzhou 310007,Chin)

机构地区：[1]杭州电子科技大学自动化学院,杭州310018 [2]浙江省电子信息产品检验所,杭州310007

出　　处：《计算机工程》

基　　金：浙江省信息安全重点实验室基金(KYZ066816004)

年　　份：2018

卷　　号：44

期　　号：6

起止页码：18-23

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对传统朴素贝叶斯分类算法处理多维连续型数据时准确率较低的问题,提出基于属性关联的改进算法。通过高斯分割对属性类别不同的多维连续型数据集进行离散化处理,并使用拉普拉斯校准、属性关联和属性加权方法改进朴素贝叶斯分类过程。实验结果表明,与基于拉普拉斯校准或属性加权的改进算法相比,该算法能够提高分类准确率,且提升幅度在一定范围内随着属性数量的增加而增加,适用于多维连续型数据的分类。

关 键 词：连续型数据  数据分类 关联规则 朴素贝叶斯分类算法 属性加权

分 类 号：TP391]