一种局部属性加权朴素贝叶斯分类算法

• 作者: 刘海洋 原继东 张伟 王志海
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 朴素贝叶斯 懒惰式 属性加权 局部加权
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 智能交通和数据挖掘
• 页码范围: 14-21
• 页数: 8页
• 分类号: TP18
• 字数: 7444字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2018.02.003

摘要

朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了每个测试实例所具有的特点,同时从整个训练集上学习到的属性权重并不能准确反映每个属性对待分类实例的影响.为此提出一种基于数据驱动的懒惰式局部属性加权方法,它在每个测试实例的近邻集合上学习属性权重,并通过最优化方法建立相应的局部属性加权朴素贝叶斯模型.实验结果表明:和当前常见的准朴素贝叶斯模型相比,本文模型具有较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志海	北京交通大学计算机与信息技术学院	64	491	11.0	20.0
2	原继东	北京交通大学计算机与信息技术学院	11	145	5.0	11.0
3	张伟	北京交通大学计算机与信息技术学院	17	83	4.0	8.0
4	刘海洋	北京交通大学计算机与信息技术学院	6	31	3.0	5.0