一种优化的贝叶斯分类算法

• 作者: 刘霖 王元华 赵跃龙 邓桂骞
• 来源期刊: 计算机测量与控制
• 关键词: 贝叶斯分类算法 属性约简 重要性 相关性
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 199-201
• 分类号: TP301
• 语种: 中文

摘要

贝叶斯分类方法因具有严密的数学理论基础,于是成为一种简单而有效的数据挖掘方法；然而,贝叶斯分类器要求——条件独立性假设和每个属性权值为1,这极大降低了贝叶斯分类器的性能；针对贝叶斯分类器的局限性,文章提出了一种优化的贝叶斯分类算法；文中,首先利用粗糙集理论对待分类数据集进行属性约简,删除冗余属性；然后给出了属性权值的计算方法和公式,目的在于更准确地描述数据集的重要性和相关性；同时,通过weka3.6.2工具,以UCI机器学习数据库中的数据集为测试数据,进行了对比测试；实验结果表明:OBCA具有较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵跃龙	华南理工大学计算机科学与工程学院	96	679	14.0	22.0
2	刘霖	华南理工大学计算机科学与工程学院	4	76	3.0	4.0