基于高斯核函数的朴素贝叶斯分类器依赖扩展

• 作者: 杜瑞杰 王双成 高瑞
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 朴素贝叶斯分类器 高斯核函数 贝叶斯网络 分类准确性 依赖扩展
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 短文
• 页码范围: 2280-2284
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2014.1650

摘要

朴素贝叶斯分类器不能有效地利用属性之间的依赖信息,而目前所进行的依赖扩展更强调效率,使扩展后分类器的分类准确性还有待提高.针对以上问题,在使用具有平滑参数的高斯核函数估计属性密度的基础上,结合分类器的分类准确性标准和属性父结点的贪婪选择,进行朴素贝叶斯分类器的网络依赖扩展.使用UCI中的连续属性分类数据进行实验,结果显示网络依赖扩展后的分类器具有良好的分类准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王双成	上海立信会计学院数学与信息学院	65	390	10.0	15.0
5	杜瑞杰	上海立信会计学院数学与信息学院	12	127	5.0	11.0
6	高瑞	上海立信会计学院数学与信息学院	10	64	5.0	7.0