L2DLNB:懒惰学习双层朴素贝叶斯分类器

• 作者: 孙江文 王崇骏 王珺 陈世福
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 朴素贝叶斯 懒惰学习 分类器
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 人工智能及图像处理技术
• 页码范围: 136-139
• 页数: 4页
• 分类号: TP3
• 字数: 4240字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2007.01.039

摘要

尽管朴素贝叶斯简单而且在很多数据集上效果很好,但是其属性独立性假设在现实世界中并不总是成立的,当这一假设不成立时,其结果很差.通过分析和研究,提出了一种放宽这种独立性假设的新算法--懒惰学习双层朴素贝叶斯分类器L2DLNB,该算法使用基于条件互信息的懒惰学习方法,在求不同类标的似然度时,使用不同的属性依赖关系,从而能够更准确地计算出各类标似然度.实验结果表明此算法在一些数据集上取得了更好的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王崇骏	南京大学计算机科学与技术系	56	1131	15.0	32.0
2	陈世福	南京大学计算机科学与技术系	169	4351	32.0	60.0
3	孙江文	南京大学计算机软件新技术国家重点实验室	3	40	2.0	3.0
4	王珺	南京大学计算机软件新技术国家重点实验室	15	286	8.0	15.0