基于"3σ"规则的贝叶斯分类器

• 作者: 周开武 杨慧中
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 连续型变量 条件概率密度 遗传算法
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 94-97
• 页数: 4页
• 分类号: TP274
• 字数: 3727字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2010.03.024

摘要

在软测量建模问题中为了提高模型的估计精度,通常需要将原始数据集分类,以构造多个子模型.数据分类中利用朴素贝叶斯分类器简单高效的优点,首先对连续的类变量进行类别范围划分,然后用概率论中的"3σ"规则对连续的属性变量离散.可以消除训练样本中干扰数据的影响,利用遗传算法从训练样本集中优选样本.对连续变量的离散和样本的优选作为对数据的预处理,预处理后的训练样本构建贝叶斯分类器.通过对UCI数据集和双酚A生产过程在线监测数据集的实验仿真,实验结果表明,遗传算法优选样本集的"3σ"规则朴素贝叶斯分类方法比其它方法有更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨慧中	江南大学通信与控制工程学院	228	1844	20.0	33.0
2	周开武	江南大学通信与控制工程学院	3	18	3.0	3.0