贝叶斯分类器的判别式参数学习

• 作者: 李爱军 柳亚琴 石洪波
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 贝叶斯网络分类器 集成方法 参数学习 判别式学习
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1074-1078
• 分类号: TP181
• 字数: 6499字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2011.01074

摘要

为了提高贝叶斯分类器的分类性能,针对贝叶斯网络分类器的构成特征,提出一种基于参数集成的贝叶斯分类器判别式参数学习算法PEBNC.该算法将贝叶斯分类器的参数学习视为回归问题,将加法回归模型应用于贝叶斯网络分类器的参数学习,实现贝叶斯分类器的判别式参数学习.实验结果表明,在大多数实验数据上,PEBNC能够明显提高贝叶斯分类器的分类准确率.此外,与一般的贝叶斯集成分类器相比,PEBNC不必存储成员分类器的参数.空间复杂度大大降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石洪波	山西财经大学信息管理学院	45	446	11.0	19.0
2	李爱军	山西财经大学信息管理学院	20	110	6.0	10.0
3	柳亚琴	山西财经大学信息管理学院	11	107	5.0	10.0