一种针对非平衡数据的贝叶斯分类算法

• 作者: 伏玉琛 汪春亮
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 半监督学习 贝叶斯网络 EM 算法 非平衡数据
• 年，卷（期）: 2010,（7）
• 所属期刊栏目: 数据挖掘
• 页码范围: 95-98
• 分类号: TP18
• 字数: 3661字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2010.07.027

摘要

借鉴半监督分类的思想,本文提出一种基于改进EM算法的贝叶斯分类模型,对移动通信网络中存在的大量随机缺失的非平衡数据进行分类.首先,从实际数据中经过初步统计分析得到能在一定程度上反应变量状态的先验概率,并以此作为贝叶斯分类模型的初始值进行EM迭代训练,从而减少EM算法的迭代次数并改善EM算法对初始值的敏感性以及局部收敛的缺陷;然后,利用对历史移动通信数据进行训练得到的叶斯网络分类模型,对测试数据进行预测分类.实验结果表明,该方法大大提高了移动通信数据中负类样本的预测成功率,与传统的数理统计分析方法相比较,表现出了更好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伏玉琛	苏州大学计算机科学与技术学院	35	201	8.0	11.0
2	汪春亮		7	30	3.0	5.0