朴素贝叶斯分类器在地形评估中的应用方法

• 作者: 刘玉树 李侃 钱玲飞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 朴素贝叶斯分类器 特征约减 离散化 参数学习 增量学习
• 年，卷（期）: 2005,（12）
• 所属期刊栏目: 工程与应用
• 页码范围: 189-191,225
• 页数: 4页
• 分类号: TP301
• 字数: 4830字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.12.058

摘要

针对目前流行的评估方法的缺点以及实际问题的具体情况,提出将朴素贝叶斯分类器应用在地形评估中.具体方法是从用专家函数评估的数据库中提取训练样本,通过基于分布熵最小原则进行特征约减,再基于最优性条件进行属性离散化,最后基于共轭分布进行参数学习得到一个的分类器.待分类样本可以直接由贝叶斯分类器得出分类结果,并且根据增量学习理论,将分类结果作为训练新的分类器的训练样本,可以进一步提高分类精度.试验表明该方法的应用减少了评估时间,并且分类精度也令人满意.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘玉树	北京理工大学信息科学技术学院计算机科学工程系	150	2634	25.0	46.0
2	李侃	北京理工大学信息科学技术学院计算机科学工程系	21	205	5.0	14.0
3	钱玲飞	北京理工大学信息科学技术学院计算机科学工程系	1	13	1.0	1.0