灵活的增强朴素贝叶斯分类器

• 作者: 李旭升 郭耀煌
• 来源期刊: 信息与控制
• 关键词: 贝叶斯网 朴素贝叶斯分类器 树增强朴素贝叶斯分类器 最小描述长度准则
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 690-695,701
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2007.06.007

摘要

提出了一种新颖的基于最小描述长度(Minimum Description Length,MDL)准则的灵活的增强朴素贝叶斯分类器(Flexible Augmented Naive Bayesian classifier,FAN)算法.该算法能够根据数据集自适应地匹配从朴素贝叶斯分类器(Naive Bayesian classifier,NB)到树增强朴素贝叶斯分类器(Tree Augmented Naive Bayesian classifier,TAN)的网络结构,且保持了TAN计算简单和鲁棒性的特点.在UCI数据集上用分层交叉验证的方法对NB、TAN、FAN算法进行测试,实验结果表明FAN算法具有良好的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭耀煌	西南交通大学经济管理学院	144	4757	34.0	65.0
2	李旭升	西南交通大学经济管理学院	19	319	9.0	17.0