最大相关最小冗余限定性贝叶斯网络分类器学习算法

• 作者: 冯月进 张凤斌
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 朴素贝叶斯 贝叶斯网络分类器 最大相关性 最小冗余性 依赖性
• 年，卷（期）: 2014,（6）
• 页码范围: 71-77
• 分类号: TP183
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2014.06.011

摘要

朴素贝叶斯分类器(naive bayes)是一种简单而有效的基于贝叶斯思想的分类方法,但它的属性条件独立性假设并不符合实际,影响了它的分类性能.BAN (bayesian network augmented naive bayes)分类器扩展了朴素贝叶斯分类器,使其表示属性之间依赖关系的能力增强,但是其学习算法需要大量的高维计算,在小采样数据集上,影响BAN分类器的分类性能.基于改进的最大相关-最小冗余特征选择技术,提出限定性贝叶斯网络分类器学习算法(k-BAN).本算法使用改进的最大相关最小冗余特征选择技术,通过选择属性结点的连接关系集合建立属性之间的依赖性关系.将该分类方法与NB,TAN和BAN分类器进行实验比较.实验结果表明,在小采样数据集上,本算法获得的限定性贝叶斯网络分类器具有更高的分类准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张凤斌	哈尔滨理工大学计算机科学与技术学院	62	312	8.0	14.0
2	冯月进	哈尔滨理工大学计算机科学与技术学院	2	11	2.0	2.0