基于KL距离的TAN分类器判别性学习方法

• 作者: 冯奇 田凤占 黄厚宽
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 树增强朴素贝叶斯(TAN)分类器 判别性学习 KL距离 EAR
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 806-811
• 页数: 6页
• 分类号: TP391
• 字数: 5137字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2008.06.015

摘要

树增强朴素贝叶斯(TAN)分类器在模型的复杂性和分类精度之间实现较好折衷,成为当前分类器学习的一个研究热点.为了提高TAN分类器的分类准确率,本文提出一种基于KL距离的TAN分类器判别性学习方法.首先用EAR方法学习TAN分类器的结构,然后用基于KL距离的目标函数优化TAN的参数.在标准数据集上的实验结果表明,用该方法学习的TAN分类器具有较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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	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
3	冯奇	北京交通大学计算机与信息技术学院	5	97	3.0	5.0