基于"3σ"规则的贝叶斯分类器

摘要：

在软测量建模问题中为了提高模型的估计精度,通常需要将原始数据集分类,以构造多个子模型.数据分类中利用朴素贝叶斯分类器简单高效的优点,首先对连续的类变量进行类别范围划分,然后用概率论中的"3σ"规则对连续的属性变量离散.可以消除训练样本中干扰数据的影响,利用遗传算法从训练样本集中优选样本.对连续变量的离散和样本的优选作为对数据的预处理,预处理后的训练样本构建贝叶斯分类器.通过对UCI数据集和双酚A生产过程在线监测数据集的实验仿真,实验结果表明,遗传算法优选样本集的"3σ"规则朴素贝叶斯分类方法比其它方法有更高的分类精度.

关键词：连续型变量、条件概率密度、遗传算法

所属期刊栏目：27

分类号：TP274(自动化技术及设备)

资助基金：国家自然科学基金资助项目60674092;江苏省高技术研究项目工业部分BG2006010

在线出版日期：2010-05-31（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：94-97