条件互信息度量BSNBC分类学习算法

• 作者: 刘宗田 姜卯生 李云
• 来源期刊: 计算机应用研究
• 关键词: 机器学习 贝叶斯分类器 半朴素贝叶斯 条件互信息
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 研究探讨
• 页码范围: 52-54
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.11.014

摘要

在综合考虑算法效率与效用性的基础上提出了一种新的有界半朴素贝叶斯分类(bounded semi-naive Bayesian classifier,BSNBC)算法.传统的SNBC仅能将两个属性构成一个组合属性,大大制约了SNBC的分类性能.BSNBC在一定程度上克服了SNBC的上述弱点,它能将最多K个属性组合成一个组合属性节点.IP算法与LP算法可用于学习BSNBC,但是它们的搜索过程带有一定的盲目性.提出的算法利用条件互信息将关联性大的属性组合在一起.实验证明了其有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宗田	上海大学计算机工程与科学学院	155	2834	28.0	47.0
2	李云	扬州大学信息工程学院	54	516	12.0	21.0
3	姜卯生	扬州大学信息工程学院	7	9	2.0	2.0