基于高斯密度的一阶贝叶斯衍生分类器

• 作者: 杜瑞杰 王双成 高瑞
• 来源期刊: 计算机应用研究
• 关键词: 朴素贝叶斯分类器 高斯函数 贝叶斯网络 依赖扩展 分类准确性
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3242-3246
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.11.009

摘要

针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息，而目前所进行的依赖扩展更关注效率，这使得扩展后分类器的分类准确性还有待提高等问题，使用高斯密度估计属性密度，将属性排序、分类准确性标准与属性父节点的贪婪选择结合，综合考虑效率和分类准确性，对朴素贝叶斯分类器进行依赖扩展，建立一阶贝叶斯衍生分类器，并对属性分类提供的信息进行分析。实验结果显示，基于高斯密度的一阶贝叶斯衍生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	上海立信会计学院立信会计研究院	10	64	5.0	7.0