基于多属性联合的朴素贝叶斯分类算法

• 作者: 谢小军 陈光喜
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 朴素贝叶斯 分类 粗糙集理论 相对属性依赖度 属性联合
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 77-81
• 页数: 5页
• 分类号: TP181
• 字数: 5600字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.12.017

摘要

朴素贝叶斯分类算法由于条件独立性假设对属性施加了一定的限制，这可能会降低分类性能。针对此问题，为了削弱条件独立性假设对分类结果带来的负面影响，从结构扩展的角度提出了一种基于多属性联合的朴素贝叶斯分类算法。该算法通过计算条件属性组合相对于决策属性依赖度的大小，选择最大相对属性依赖度的属性组合进行联合作为新的条件属性。通过实验仿真，结果表明该方法可行而且有效，特别是对一些属性之间关联性比较强的数据集，分类效果提高尤为明显。

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	桂林电子科技大学广西高校图像处理实验室	82	455	12.0	16.0
2	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