文献类型：期刊文章

作　　者：黄小杰[1] 刘芝秀[1] 邓梓杨[2] 刘红军[3] 吴春[4]

HUANG Xiaojie;LIU Zhixiu;Deng ziyang;LIU Hongjun;WU Chun(Department of Science,Nanchang Institute of Technology,Nanchang 330099,China;School of Mathematics and Computer Science,Nanchang University,Nanchang 330031,China;School of Mathematical Sciences,Guizhou Normal University,Guiyang 550025,China;School of Mathematical Sciences,Chongqing Normal University,Chongqing 401331,China)

机构地区：[1]南昌工程学院理学院,江西南昌330099 [2]南昌大学数学与计算机学院,江西南昌330031 [3]贵州师范大学数学科学学院,贵州贵阳550025 [4]重庆师范大学数学科学学院,重庆401331

出　　处：《南昌大学学报（理科版）》

基　　金：江西省高校人文社会科学研究项目(JY22202);贵州省自然科学技术基金项目([2020]1Y003);重庆市自然科学技术基金项目(cstc2019jcyj-msxmX0390);陕西铁路工程职业技术学院基金项目(KY2019-46)。

年　　份：2023

卷　　号：47

期　　号：3

起止页码：213-217

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：朴素贝叶斯分类算法是一种简单实用的分类方法,人们对它的属性间条件独立性假设做了许多研究,致力于消除冗余属性、减少属性间的关联性,以获得一些新属性来使用朴素贝叶斯算法,但新属性间的独立性却不易度量,因而改进之处的理论支撑有所不足,改进后的朴素贝叶斯算法的效果更多的是由数据实验进行佐证。本文定义了Gauss分布型数据,提出了经Gram-Schmidt正交化方法改进的朴素贝叶斯算法,使其可以方便地使用于Gauss分布型数据的分类。该改进方法不同以往显式的构造新属性集或属性变换矩阵,而是直接正交化属性的样本数据,并证明了正交后的属性数据所对应的抽象新属性的独立性。这说明对于Gauss分布型数据的分类,原朴素贝叶斯算法中的条件独立性的假设不会给算法的使用造成障碍,经Gram-Schmidt正交化后即可满足这个约束条件。

关 键 词：Gauss分布型数据  Gram-Schmidt正交化  朴素贝叶斯 分类  

分 类 号：TP181]