貝葉斯分類算法的研究與應用.pdf_第1頁
已閱讀1頁，還剩40頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、本文重點研究了數(shù)據(jù)挖掘中的貝葉斯方法，它具有堅實的數(shù)學理論基礎,并能綜合先驗信息和數(shù)據(jù)樣本信息，成為數(shù)據(jù)挖掘和機器學習研究的熱點之一。樸素貝葉斯分類器是一種簡單而有效的概率分類方法，然而其屬性獨立性假設在現(xiàn)實世界中多數(shù)不能成立。為了改進該方法的分類性能，近幾年已有大量研究成果，許多學者都致力于構建能反映屬性之間依賴關系的貝葉斯分類模型。
　　本文簡要地介紹了關于樸素貝葉斯分類器和粗糙集的基本理論，包括樸素貝葉斯分類模型，基于屬性相

2、關性分析的貝葉斯分類模型，加權貝葉斯分類模型，粗糙集基本理論和屬性重要度的構造方法。本文根據(jù)Rough Set屬性重要度理論，構建了基于互信息的屬性子集重要度度量公式，提出屬性相關性的加權樸素貝葉斯分類算法(WCB)，該算法同時放寬了樸素貝葉斯算法屬性獨立性、屬性重要性相同的假設。通過數(shù)據(jù)仿真實驗，與基于屬性相關相關性分析的貝葉斯(CB)和加權樸素貝葉斯(WNB)兩種算法做比較，證明了該算法的有效性。
　　最后對全文的工作進行了總

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論