基于相关系数加权朴素信念分类模型

摘要：

针对目前大多数分类器简单抛弃缺失数据的问题,基于朴素信念分类提出了一种有缺失值实例的加权保守推理规则的分类算法.以数据集特征属性与决策属性之间的相关系数作为权值,根据有缺失值实例加权保守推理规则对有非随机缺失属性的待分类实例所有可能的类别进行选择.实验结果表明,提出的基于有缺失值实例的加权保守推理规则分类算法有效地提高了分类性能,是一种有效的缺失数据集分类算法.

关键词：分类、相关系数、权重、缺失数据、贝叶斯

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目70672092;国家自然科学基金重大项目708890080

在线出版日期：2011-01-13（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：4824-4826,4861