文献类型：期刊文章

作　　者：李思奇[1] 吕王勇[1,2] 邓柙[1] 陈雯[1]

Li Siqi;Lyu Wangyong;Deng Xia;Chen Wen(School of Mathematical Science,Sichuan Normal University,Chengdu 610068,China;Visual Computing and Virtual Reality Key Laboratory of Sichuan Province,Sichuan Normal University,Chengdu 610068,China)

机构地区：[1]四川师范大学数学科学学院,成都610068 [2]四川师范大学可视化计算与虚拟现实四川省重点实验室,成都610068

出　　处：《统计与决策》

基　　金：国家自然科学基金青年项目(11601357);可视化计算与虚拟现实四川省重点实验室项目(SCVCVR2018.08VS)。

年　　份：2022

卷　　号：38

期　　号：1

起止页码：34-37

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：朴素贝叶斯是一种处理分类问题的常用方法,但它的属性条件独立性假设在实际应用中难以成立,导致其分类性能降低。针对这一问题,文章提出了基于改进PCA的朴素贝叶斯分类算法,该算法通过Pearson和Kendall系数计算出属性间的相关性大小,基于主成分分析筛选出新的属性集,使其尽量满足条件独立性假设,并对新数据集进行朴素贝叶斯分类。实验结果表明,该方法有效地提高了分类准确率。

关 键 词：朴素贝叶斯 相关系数 主成分分析

分 类 号：O211.9]