10.3969/j.issn.1000-3428.2008.22.076
一种基于类支持度的增量贝叶斯学习算法
介绍增量贝叶斯分类器的原理,提出一种基于类支持度的优化增量贝叶斯分类器学习算法.在增量学习过程的样本选择问题上,算法引入一个类支持度因子λ,根据λ的大小逐次从测试样本集中选择样本加入分类器.实验表明,在训练数据集较小的情况下,该算法比原增量贝叶斯分类算法具有更高的精度,能大幅度减少增量学习样本优选的计算时间.
贝叶斯分类器、分类算法、增量学习
34
TP301(计算技术、计算机技术)
国家自然科学基金资助重点项目60634020;湖南省科研基金资助重点项目05GK2003;湖南省自然科学基金资助项目04JJ3011
2009-02-16(万方平台首次上网日期,不代表论文的发表时间)
共3页
218-219,222