一种TAN分类器改进方法

• 作者: 傅明 宋云 张坤 陈曦
• 来源期刊: 计算技术与自动化
• 关键词: 树增强朴素贝叶斯 分类网络 评分函数
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 控制系统与自动化装
• 页码范围: 55-61
• 页数: 7页
• 分类号: TP311.1
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.201901011

摘要

为了改善树增强朴素贝叶斯(TAN)的分类精度,对TAN结构进行了扩展,提出了一种利用可分解的评分函数构建树形贝叶斯网络分类模型的学习方法.在构建TAN网络时允许属性没有父结点.采用低阶CI测试初步剔除无效属性,再结合改进的BIC评分函数利用贪婪搜索获得每个属性结点的父结点,从而建立分类模型.对比朴素贝叶斯(NB)和TAN,提出的分类算法在分类准确率和AUC面积两个指标上表现更好,说明本文模型拥有比TAN更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅明	长沙理工大学计算机与通信工程学院	84	512	11.0	17.0
2	宋云	长沙理工大学计算机与通信工程学院	15	90	5.0	9.0
3	陈曦	长沙理工大学计算机与通信工程学院	56	361	12.0	16.0
4	张坤	长沙理工大学计算机与通信工程学院	2	4	2.0	2.0