贝叶斯分类器集成的增量学习方法

摘要：

针对基于决策树和神经网络的增量学习算法的过量匹配和分类精度有限的缺点,提出了一种基于贝叶斯分类器集成的增量学习方法. 综合朴素贝叶斯的增量分类和集成的增量学习方法,采用随机属性选择训练初始SBC(simple Bayesian classifiers),通过判断是否带有类别标签,将增量样本自动分组,并利用遗传算法对结果进行优化. 实验结果表明,贝叶斯分类器集成的增量学习方法有效.

关键词：贝叶斯分类器、增量学习、遗传算法

所属期刊栏目：28

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目60773053;国家教育部跨世纪优秀人才培养计划项目NCET-06-0161

在线出版日期：2008-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：397-400