一种基于粗糙集的特征加权朴素贝叶斯分类器

• 作者: 张聪 王国才
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 贝叶斯分类器 朴素贝叶斯分类器 特征加权 粗糙集
• 年，卷（期）: 2010,（7）
• 页码范围: 86-90,105
• 分类号: TP391.4
• 字数: 2615字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425-B.2010.07.016

摘要

朴素贝叶斯分类器是一种简单高效的分类算法,但其属性独立性假设影响了分类效果.通过放松朴素贝叶斯假设可以增强朴素贝叶斯的分类效果,但是通常会导致计算代价大幅提高.针对以上问题,提出了一种基于粗糙集的特征加权朴素贝叶斯算法,加权参数直接从训练数据中学习得到,可以看作是计算某个后验概率时,某个特征对于该类别的影响程度.将该分类算法与朴素贝叶斯分类器(naive bayesian classifier,NB)、贝叶斯网(bayes networks)和NBTree分类器进行实验比较.结果表明:在大多数数据集上,FWNB分类器在较小的计算代价下,具有较高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张聪	重庆交通大学信息科学与工程学院	19	196	5.0	14.0
2	王国才	重庆交通大学信息科学与工程学院	1	29	1.0	1.0