基于粒子群优化的朴素贝叶斯改进算法

摘要：

针对朴素贝叶斯(NB)算法因条件独立性的理想式假设引起分类性能降低的问题,提出一种改进的粒子群优化-朴素贝叶斯(PSO-NB)算法.在文本预处理时,引入权重因子、类内和类间离散因子进行属性约简,基于NB加权模型,将条件属性的词频比率作为其初始权值,利用PSO算法迭代寻找全局最优特征权向量,并以此权向量作为加权模型中各个特征词的权值生成分类器.运用经典数据集对PSO-NB算法进行性能分析,结果表明,改进算法可有效减少冗余属性,降低计算复杂度,具有较高的准确率和召回率.

关键词：朴素贝叶斯、互信息、属性约简、粒子群优化算法、权值优化

所属期刊栏目：44

分类号：TP301(计算技术、计算机技术)

资助基金：吉林省科技发展计划重点科技攻关项目20150204036GX;吉林省省级产业创新专项资金2017C051

在线出版日期：2019-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：27-32,39