一种基于类支持度的增量贝叶斯学习算法

摘要：

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.

关键词：贝叶斯分类器、分类算法、增量学习

所属期刊栏目：34

分类号：TP301(计算技术、计算机技术)

资助基金：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

在线出版日期：2009-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：218-219,222