属性加权的朴素贝叶斯集成分类器

• 作者: 张化祥 张雯
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 朴素贝叶斯分类器 相关度 相关系数 属性加权 AdaBoost
• 年，卷（期）: 2010,（29）
• 页码范围: 144-146
• 分类号: TP391.4
• 字数: 3202字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.29.040

摘要

为提高朴素贝叶斯分类器的分类精度和泛化能力,提出了基于属性相关性的加权贝叶斯集成方法(WEBNC).根据每个条件属性与决策属性的相关度对其赋以相应的权值,然后用AdaBoost训练属～性加权后的BNC.该分类方法在16+UCI标准数据集上进行了测试,并与BNC、贝叶斯网和由AdaBoost训练出的BNC进行比较,实验结果表明,该分类器具有更高的分类精度与泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张化祥	山东师范大学信息科学与工程学院	73	576	14.0	19.0
2	张雯	山东师范大学信息科学与工程学院	5	46	3.0	5.0