以特征值关联项改进贝叶斯分类器正确率

• 作者: 王玉栋 蔡永泉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 朴素贝叶斯分类器 贝叶斯算法 贝叶斯分类器
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 算法
• 页码范围: 286-290,311
• 页数: 6页
• 分类号: TP3
• 字数: 4819字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.08.051

摘要

朴素贝叶斯分类器建立在其数据"特征值之间相互条件独立"的基础上,而在实际应用中该假设难以完全成立.针对这种现象提出一种算法,即通过寻找对产生错误分类影响最大的特征值,并依此特征值的关联项对数据项扩充,在此基础上对扩充项添加权重,以达到提升分类器精度的效果.最后对权重的大小加以论证,实验分析了不同大小的权重对分类器正确率的影响.实验结果表明,添加关联项扩充训练集,可以有效提升贝叶斯分类器的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡永泉	北京工业大学计算机学院	40	266	8.0	15.0
2	王玉栋	北京工业大学计算机学院	1	3	1.0	1.0