一种结合反馈信息的贝叶斯分类增量学习方法

• 作者: 尉永清 许明英 赵静
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 反馈信息 遗传算法 特征选择 朴素贝叶斯 增量学习
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2530-2533
• 分类号: TP183
• 字数: 5169字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2011.02530

摘要

贝叶斯分类器形成初期,训练集不完备,生成的分类器性能不理想且不能动态跟踪用户需求.针对此缺陷,提出一种结合反馈信息的贝叶斯分类增量学习方法.为有效降低特征间的冗余性,提高反馈特征子集的代表能力,用一种基于遗传算法的改进特征选择方法选取反馈集中最优特征子集修正分类器.通过实验分析了算法的性能,结果证明该算法能明显优化分类效果,且整体稳定性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵静	山东师范大学信息科学与工程学院	24	155	7.0	11.0
3	尉永清	山东警察学院公共教学部	14	116	7.0	10.0
4	许明英	山东师范大学信息科学与工程学院	2	29	2.0	2.0