一种基于特征选择的不完整数据分类方法

• 作者: 田凤占 薛小平 陈景年 黄厚宽
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征选择 分类 贝叶斯方法 不完整数据
• 年，卷（期）: 2007,（31）
• 所属期刊栏目: 博士论坛
• 页码范围: 23-24,38
• 页数: 3页
• 分类号: TP391
• 字数: 3338字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.31.007

摘要

特征选择(也称作属性选择)是简化数据表达形式,降低存储要求,提高分类精度和效率的重要途径.实际中遇到的大量的数据集包含着不完整数据.对于不完整数据,构造选择性分类器同样也可以降低存储要求,提高分类精度和效率.因此,对用于不完整数据的选择性分类器的研究是一项重要的研究课题.有鉴于此,提出了一种用于不完整数据的选择性贝叶斯分类器.在12个标准的不完整数据集上的实验结果表明,给出的选择性分类器不仅分类准确率显著高于非常有效地用于不完整数据的RBC分类器,而且分类性能更加稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄厚宽	北京交通大学计算机与信息技术学院	139	2476	26.0	44.0
2	薛小平	北京交通大学电子信息工程学院	15	196	6.0	14.0
3	陈景年	北京交通大学计算机与信息技术学院	8	117	6.0	8.0
7	田凤占	北京交通大学计算机与信息技术学院	10	145	6.0	10.0