基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
数据库信息分类中,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.而一般贝叶斯网络模型则由于能表达属性变量之间的依赖关系而越来越受到人们的重视,但一般贝叶斯网络分类模型结构的学习算法是一个NP完全问题.本研究在一种简化的贝叶斯网络分类模型的基础上,利用其多项式时间复杂度的结构学习算法,将其应用于数据库信息分类,实现了学习效率和分类精度的一种折衷.实验结果表明,这种分类方法有着比较高的数据库信息文本检索性能.
推荐文章
多贝叶斯网络分类器集成模型研究
贝叶斯网络
分类器集成模型
结构学习
约束信息熵
免疫遗传算法
基于贝叶斯网络模型的信息检索
贝叶斯网络模型
信息检索
关联规则发现
基于贝叶斯网络的海量数据多维分类学习方法研究
多维分类
贝叶斯网络
机器学习
海量数据
基于预测能力的贝叶斯网络分类器学习
贝叶斯网络
分类器
预测能力
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 数据库信息分类中贝叶斯网络模型的应用
来源期刊 山东大学学报(工学版) 学科 工学
关键词 数据库信息分类 朴素贝叶斯 贝叶斯定理 依赖关系
年,卷(期) 2004,(5) 所属期刊栏目
研究方向 页码范围 68-71
页数 4页 分类号 TP311
字数 4065字 语种 中文
DOI 10.3969/j.issn.1672-3961.2004.05.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李大鹏 山东大学计算机科学与技术学院 3 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2004(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据库信息分类
朴素贝叶斯
贝叶斯定理
依赖关系
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
山东大学学报(工学版)
双月刊
1672-3961
37-1391/T
大16开
济南市经十路17923号
24-221
1956
chi
出版文献量(篇)
3095
总下载数(次)
14
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导