基于K-均值聚类的朴素贝叶斯网络分类模型

• 作者: 刘亚辉 王越 谭暑秋
• 来源期刊: 重庆工商大学学报：自然科学版
• 学科: 工学
• 关键词: 贝叶斯网络分类 朴素贝叶斯网络 K-均值聚类 数据挖掘
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 信息科学
• 页码范围: 36-41
• 页数: 6页
• 分类号: TP311.13
• 字数: 3686字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-058X.2012.08.009

摘要

针对朴素贝叶斯网络分类模型在处理高维大数据量时的效率偏低和准确率有待提高的问题,结合主元分析法与K-均值聚类算法构造出了一个改进的朴素贝叶斯网络分类模型;摒弃了非类属性变量相对于类属性变量相对独立的前提条件,算法首先用主元分析法在对数据集的信息量尽量保存的同时进行了降维操作,使得算法可以着重于进行分类问题;算法还提出了一个＂相对融合点＂的概念,有效地提高了算法的性能;最后对算法的性能进行了分析,并将改进的算法应用到实际的数据集进行实验,用算法产生的分类结果对数据集中产生的一些缺失数据进行修补。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王越	重庆理工大学计算机科学与工程学院	50	351	12.0	16.0
2	刘亚辉	重庆理工大学计算机科学与工程学院	6	49	2.0	6.0
3	谭暑秋	重庆理工大学计算机科学与工程学院	5	48	2.0	5.0