新型加权粗糙朴素贝叶斯算法及其应用研究

• 作者: 刘淑芬 王辉 黄自威
• 来源期刊: 计算机应用研究
• 关键词: 加权朴素贝叶斯 决策表 属性约简 对数条件似然估计 垃圾邮件过滤
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3668-3672,3692
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.12.033

摘要

待分类数据集中通常存在大量的冗余属性,会严重影响分类效率.为了达到在降低计算复杂度的同时提高分类准确率的目的.首先在朴素贝叶斯模型中引入粗糙集技术对数据集进行属性约简,获取最优属性子集;然后在此基础上以最大化数据集的对数条件似然估计为标准对条件属性设定(近似)最优权值,进而提出一种新型加权粗糙朴素贝叶斯模型.通过在垃圾邮件过滤领域对该模型进行实际验证表明,贝叶斯模型的分类效率有明显提高,而且分类性能更加稳定,证明该方法不仅可以有效去除冗余属性,而且为条件属性赋予的权值较之传统加权方法更加合理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王辉	河南理工大学计算机科学与技术学院	102	644	10.0	22.0
2	刘淑芬	吉林大学计算机科学与技术学院	96	764	14.0	21.0
3	黄自威	河南理工大学计算机科学与技术学院	2	10	1.0	2.0