属性值加权的一依赖估测器模型分类算法研究

• 作者: 余良俊 甘胜丰 范正薇
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 贝叶斯网络 一依赖估测器 分类算法 结构扩展 属性值加权
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 315-320
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056498

摘要

分类问题是数据挖掘和机器学习领域研究的重点问题,贝叶斯网络模型因其简单高效的特点而广泛应用于分类问题.一依赖估测器(ODE)模型作为半监督学习贝叶斯网络模型中的经典模型,受到研究人员的广泛关注.现有的ODE模型分类器在进行分类判别时,未考虑不同的属性节点作为根节点时对分类过程的贡献不同,为此,将ODE模型分类器与属性值加权方法相结合并提出MI-ODE算法.采用相互信息(MI)度量属性根节点的属性值与类变量之间的依赖关系并作为ODE模型的权值,对ODE分类器模型进行属性值加权平均.将MI-ODE算法应用于现实分类问题的36个标准数据集,结果表明,相比于NB算法、AODE算法与TAN算法,该算法的分类性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘胜丰		4	8	2.0	2.0
2	余良俊		1	0	0.0	0.0
3	范正薇		1	0	0.0	0.0