基于蝙蝠算法的贝叶斯分类器优化研究

• 作者: 张明新 戴娇 蒋礼青 郑金龙
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 分类 朴素贝叶斯 属性加权 蝙蝠算法
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 算 法
• 页码范围: 259-263
• 页数: 5页
• 分类号: TP301.6
• 字数: 6069字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.09.061

摘要

朴素贝叶斯分类器是一种应用广泛且简单有效的分类算法，但其条件独立性的“朴素贝叶斯假设”与现实存在差异，这种假设限制朴素贝叶斯分类器分类的准确率。为削弱这种假设，利用改进的蝙蝠算法优化朴素贝叶斯分类器。改进的蝙蝠算法引入禁忌搜索机制和随机扰动算子，避免其陷入局部最优解，加快收敛速度。改进的蝙蝠算法自动搜索每个属性的权值，通过给每个属性赋予不同的权值，在计算代价不大幅提高的情况下削弱了类独立性假设且增强了朴素贝叶斯分类器的准确率。实验结果表明，该算法与传统的朴素贝叶斯和文献[6]的新加权贝叶斯分类算法相比，其分类效果更加精准。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明新	常熟理工学院计算机科学与工程学院	32	224	8.0	14.0
2	郑金龙	常熟理工学院计算机科学与工程学院	13	94	6.0	9.0
3	蒋礼青	中国矿业大学计算机科学与技术学院	3	55	3.0	3.0
7	戴娇	中国矿业大学计算机科学与技术学院	4	63	4.0	4.0