文献类型：期刊文章

作　　者：石洪波[1] 王志海[1] 黄厚宽[1] 励晓健[1]

机构地区：[1]北京交通大学计算机与信息技术学院

出　　处：《软件学报》

基　　金：国家"十五"重点科技攻关项目No.2002BA407B~~

年　　份：2004

卷　　号：15

期　　号：2

起止页码：193-199

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：朴素贝叶斯分类模型是一种简单而有效的分类方法,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系,影响了它的分类性能.通过分析贝叶斯分类模型的分类原则以及贝叶斯定理的变异形式,提出了一种基于贝叶斯定理的新的分类模型DLBAN(double-level Bayesian network augmented naive Bayes).该模型通过选择关键属性建立属性之间的依赖关系.将该分类方法与朴素贝叶斯分类器和TAN(tree augmented naive Bayes)分类器进行实验比较.实验结果表明,在大多数数据集上,DLBAN分类方法具有较高的分类正确率.

关 键 词：朴素贝叶斯 TAN(tree  AUGMENTED NAIVE Bayes)  叶斯定理  依赖关系  

分 类 号：TP181]