三支决策朴素贝叶斯增量学习算法研究

• 作者: 成慧雯 王宝丽 韩素青
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 三支决策 朴素贝叶斯 增量算法 分类确信度 边界域
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 理论与研发
• 页码范围: 42-49
• 页数: 8页
• 分类号: TP181
• 字数: 8560字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1908-0015

摘要

增量学习利用增量数据中的有用信息通过修正分类参数来更新分类模型,而朴素贝叶斯算法具有利用先验信息以及增量信息的特性,因此朴素贝叶斯算法是增量学习算法设计的最佳选择.三支决策是一种符合人类认知模式的决策理论,具有主观的特性.将三支决策思想融入朴素贝叶斯增量学习中,提出一种基于三支决策的朴素贝叶斯增量学习算法.基于朴素贝叶斯算法构造了一个称为分类确信度的概念,结合代价函数,用以确定三支决策理论中的正域、负域和边界域.利用三个域中的有用信息构造基于三支决策的朴素贝叶斯增量学习算法.实验结果显示,在阈值α和β选择合适的情况下,基于该方法的分类准确性和召回率均有明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩素青	太原师范学院计算机科学与技术系	20	68	5.0	8.0
2	成慧雯	太原师范学院计算机科学与技术系	1	0	0.0	0.0
3	王宝丽	运城学院数学与信息技术学院	18	38	4.0	5.0