类相关性影响可变选择性贝叶斯分类器

• 作者: 仝瑶瑶 王雪松 程玉虎
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 选择性贝叶斯分类器 属性选择 最大相关最小冗余 贝叶斯信息准则 离散化
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1628-1633
• 分类号: TP18
• 字数: 6458字
• 语种: 中文

摘要

在最大相关最小冗余（mRMR）属性选择方法的基础上,通过设置一个调节因子来改变类别相关性在属性选择中的影响程度,解决mRMR方法易于引入冗余属性的问题,提出一种类相关性影响可变选择性贝叶斯分类器(CCRI SBC).为克服人为指定属性个数易于导致的分类结果随意性,采用贝叶斯信息准则来自动确定最优属性个数.为使CCRI SBC能够处理含有连续变量的数据集,提出等频类别依赖最大化离散化方法,具有分类准确率高和离散化时间短的优点.UCI数据集的实验结果表明,本文方法能够有效处理离散和连续高维数据的分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程玉虎	中国矿业大学信息与电气工程学院	58	576	13.0	20.0
2	仝瑶瑶	中国矿业大学信息与电气工程学院	2	18	2.0	2.0
3	王雪松	中国矿业大学信息与电气工程学院	71	677	13.0	22.0