朴素贝叶斯分类算法的改进及应用

• 作者: 侯俊钦 张亚萍 杨一军 陈得宝
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 贝叶斯分类 EM算法 缺失数据 预测模型
• 年，卷（期）: 2011,（15）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 134-137
• 分类号: TP301.6
• 字数: 5944字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.15.037

摘要

针对朴素贝叶斯分类算法中缺失数据填补问题,提出一种基于改进EM(Expectation Maximization)算法的朴素贝叶斯分类算法.该算法首先根据灰色相关度对缺失数据一个估计,估计值作为执行EM算法的初始值,迭代执行E步M步后完成缺失数据的填补,然后用朴素贝叶斯分类算法对样本进行分类.实验结果表明,改进算法具有较高的分类准确度.并将改进的算法应用于高校教师岗位等级的评定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨一军	淮北师范大学物理与电子信息学院	59	185	7.0	10.0
2	陈得宝	淮北师范大学物理与电子信息学院	94	286	8.0	13.0
3	张亚萍	淮北师范大学物理与电子信息学院	16	71	5.0	8.0
4	侯俊钦	淮北师范大学物理与电子信息学院	10	65	5.0	8.0