核密度估计在分类问题中带宽参数的优化研究

• 作者: 李泽中 白勇
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 贝叶斯分类器 核密度估计 带宽参数 受试者特征曲线
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 258-261
• 页数: 4页
• 分类号: TP3
• 字数: 5381字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2009.06.070

摘要

核密度估计可用于贝叶斯分类器类条件概率密度估,计其关键是带宽参数的确定.为此,提出了通过使受试者特征(RoC)曲线下的面积AUC最大而优化带宽参数的方法,建立了用于二进制特征的BKD分类方法和用于连续值特征的CKD分类方法.将这两种方法分别用于UCI数据集Promoter和Diabetics,得到的预测准确率与文献报道最佳结果接近,表明提出的带宽参数优化方法用于核密度分类具有较好的分类预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白勇	重庆电力高等专科学校计算机系	27	87	5.0	8.0
2	李泽中	重庆电力高等专科学校计算机系	12	54	5.0	7.0