一种改进的最大相关最小冗余选择性贝叶斯分类器

• 作者: 仝瑶瑶 程玉虎 马勇
• 来源期刊: 北京科技大学学报
• 学科: 工学
• 关键词: 分类器 属性选择 冗余 K均值聚类 增量学习
• 年，卷（期）: 2012,（1）
• 页码范围: 26-30
• 分类号: TP18
• 语种: 中文

摘要

利用K均值聚类和增量学习算法扩大训练样本规模，提出一种改进的mRMRSBC．一方面，利用K均值聚类预测测试样本的类标签，将已标记的测试样本添加到训练集中，并在属性选择过程中引人一个调节因子以降低K均值聚类误标记带来的风险．另一方面，从测试样本集中选择有助于提高当前分类器精度的实例，把它加入到训练集中，来增量地修正贝叶斯分类器的参数．实验结果表明，与mRMRSBC相比，所提方法具有较好的分类效果，适于解决高维且含有较少类标签的数据集分类问题．

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	马勇	中国矿业大学信息与电气工程学院	19	88	5.0	8.0