基于互信息与层次聚类双重特征选择的改进朴素贝叶斯算法

• 作者: 李欣倩 杨哲 任佳
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 朴素贝叶斯 双重特征选择 互信息 层次聚类
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 36-40,69
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19708/j.ckjs.2022.02.005

摘要

根据朴素贝叶斯算法的特征条件独立假设,提出一种基于互信息和层次聚类双重特征选择的改进朴素贝叶斯算法.通过互信息方法剔除不相关的特征,然后依据欧氏距离将删减后的特征进行分层聚类,通过粒子群算法得到聚类簇的数量,最后将每个聚类簇中与类别互信息最高的特征合并为特征子集,并由朴素贝叶斯算法得到分类准确率.根据实验结果可知,该算法可以有效减少特征之间的相关性,提升算法的分类性能.