三支决策贝叶斯网络分类器

• 作者: 汪璐 贾修一 顾雁囡
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 三支决策 贝叶斯网络 分类 属性关联性
• 年，卷（期）: 2016,（5）
• 页码范围: 833-843
• 页数: 11页
• 分类号: TP181
• 字数: 6983字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2016.05.009

摘要

传统二支决策分类器在处理不精确或置信度不高的对象时往往具有较高的错分率，而三支决策由于引入延迟决策，使其具有较低的误分率。基于单评价函数的三支决策分类器通过判断对象的条件概率值和决策阈值之间的大小关系将对象划分到相应的区域中。决策阈值可以由三支决策粗糙集模型计算得出，而条件概率值则由分类器提供。提出一种三支决策贝叶斯网络分类器，考虑属性之间的关联性，从而将条件概率求解和阈值求解融合在一起，实验表明三支决策贝叶斯网络分类器具有更高的分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾修一	南京理工大学计算机科学与工程学院	13	126	5.0	11.0
2	汪璐	南京理工大学计算机科学与工程学院	1	6	1.0	1.0
3	顾雁囡	南京理工大学计算机科学与工程学院	1	6	1.0	1.0