基于特征多视图提升Naive Bayesian的Boosting改进算法

• 作者: 唐焕玲 林正奎 王敬东 鲁明羽
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: AdaBoost 加权朴素贝叶斯 文本分类 特征多视图 样本权重
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 70-75
• 页数: 6页
• 分类号: TP181
• 字数: 5237字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0291.2009.06.016

摘要

AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显.为此,利用多种特征评估函数建立不同的特征视图,生成多个有差异的加权朴素贝叶斯(WNB)基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性.实验结果表明,对比AdaBoost所提算法,BoostMV-WNB能够明显提升WNB文本分类器的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐焕玲	大连海事大学信息科学技术学院	6	38	4.0	6.0
2	林正奎	大连海事大学信息科学技术学院	19	115	5.0	10.0
3	鲁明羽	大连海事大学信息科学技术学院	42	574	11.0	23.0