基于属性加权核密度估计的朴素贝叶斯分类算法

• 作者: 丁伯伦 谢小军 陈光喜
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 属性加权 核密度估计 朴素贝叶斯 分类
• 年，卷（期）: 2016,（3）
• 页码范围: 231-233
• 页数: 3页
• 分类号: TP181
• 字数: 2283字
• 语种: 中文

摘要

为了削弱朴素贝叶斯分类算法的属性条件独立性假设,提出了一种属性加权核密度估计的朴素贝叶斯分类算法.该算法结合条件属性与决策属性的相关系数以及互信息得到新的属性加权值,并将该加权值嵌入核密度估计的朴素贝叶斯分类算法.实验结果表明,该算法提高了分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈光喜	桂林电子科技大学数学与计算科学学院	82	455	12.0	16.0
2	丁伯伦	安徽工程大学机电学院	3	7	1.0	2.0
3	谢小军	桂林电子科技大学数学与计算科学学院	2	16	2.0	2.0