TANC-BIC结构学习算法

• 作者: 林士敏 程泽凯
• 来源期刊: 微机发展
• 学科: 工学
• 关键词: 贝叶斯分类器 树扩展朴素贝叶斯分类器 贝叶斯信息标准测度 结构学习
• 年，卷（期）: 2004,（11）
• 所属期刊栏目: 理论与算法研究
• 页码范围: 10-12
• 页数: 3页
• 分类号: TP301.6
• 字数: 2667字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2004.11.004

摘要

树扩展朴素贝叶斯分类器(TANC)是应用较广的一种贝叶斯分类器.TANC的分类性能优于朴素贝叶斯分类器(NBC).现有的TANC结构学习算法是基于相关性分析的,采用互信息测度.贝叶斯信息测度(BIC)在基于打分和搜索的贝叶斯网络结构学习中取得了成功,文中用BIC测度来衡量属性结点之间的相关性,提出了一种新的TANC-BIC结构学习算法.在MBNC实验平台上编程实现了TANC-BIC算法,用分类准确率衡量算法的性能.实验结果表明,TANC-BIC算法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程泽凯	广西师范大学计算机科学系	51	532	9.0	22.0
3	林士敏	广西师范大学计算机科学系	49	597	12.0	23.0