大数据环境下朴素贝叶斯分类算法的改进与实现

• 作者: 张春 郭明亮
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: MapReduce 朴素贝叶斯 分类算法 关联规则 置信度 动车组
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 计算机应用与图像处理
• 页码范围: 35-41
• 页数: 7页
• 分类号: TP311
• 字数: 5745字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2015.02.006

摘要

朴素贝叶斯分类算法是一种简单并且高效的分类算法,但条件独立性假设在现实中很难满足,导致其性能有所下降.为了解决该问题,本文在关联规则和置信度的基础上对该分类算法进行了改进.通过挖掘出来的关联规则和该规则的置信度,对不同的属性赋予不同的权重,同时实现了该分类算法的MapReduce化,从而在保持简单性的基础上有效地提高了朴素贝叶斯分类算法的分类性能.动车组运维实验表明:该算法提高了分类的准确率和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张春	北京交通大学计算机与信息技术学院	35	215	10.0	13.0
2	郭明亮	北京交通大学计算机与信息技术学院	1	16	1.0	1.0