基于动态约简的增量贝叶斯分类算法的研究

• 作者: 孙玲芳 徐会 王成文 祁军
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 粗糙集 动态约简 增量学习 朴素贝叶斯
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 188-191
• 页数: 4页
• 分类号: TP18
• 字数: 4202字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.03.044

摘要

朴素贝叶斯由于条件独立性假设使其分类效果不明显，同时在处理海量数据时缺乏灵活性。针对以上情况，提出一种基于动态约简的增量贝叶斯分类算法。算法首先利用（F －λ）广义动态约简计算出数据集的核属性，然后根据训练集的先验信息构造分类器对测试实例进行分类，最后利用类置信度进行选择性增量学习，增强处理增量数据的能力。实验结果表明，该算法在处理属性少的小量数据时，分类效果有一定的改善，在处理多属性大量数据时，分类效果明显提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王成文	江苏科技大学经济管理学院	6	10	2.0	2.0
2	孙玲芳		11	50	4.0	6.0
3	徐会	江苏科技大学经济管理学院	7	50	3.0	7.0
4	祁军	江苏科技大学经济管理学院	4	9	2.0	2.0