基于ICA方法的朴素贝叶斯分类器

摘要：

朴素贝叶斯分类器是一种简单而高效的分类器,但需要属性独立性假设,无法表示现实世界中属性之间的依赖关系,影响了其分类性能.利用独立分量分析提升朴素贝叶斯分类性能,把样本投影到由独立分量所确定的特征空间,提高了朴素贝叶斯分类器的分类性能.实验结果表明,这种基于独立分量分析的朴素贝叶斯分类器具有良好的性能.

关键词：独立分量分析、朴素贝叶斯、分类、属性独立、相关性

所属期刊栏目：28

分类号：TP182(自动化基础理论)

资助基金：安徽省教育厅自然科学基金重点项目KJ2007A051;安徽省教育厅自然科学基金2006KJ061B

在线出版日期：2007-12-17（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：4873-4874,4877