基于因子分析的NBC及其在边坡识别中的应用
满足条件独立性假设时,朴素贝叶斯分类器理论上比其它分类方法具有更高的分类正确率,但该假设在许多实际情况中并不成立,针对这一问题,提出了一种基于因子分析的朴素贝叶斯分类模型FA-NBC,并将其应用于边坡的稳定性识别.为了保证朴素贝叶斯分类器结构上的简单性,FA-NBC模型以方差贡献为依据构建新的属性集,新属性集包含原属性集的大部分信息且满足条件独立性假设.UCI数据集上的实验结果证明了FA-NBC模型的有效性.
朴素贝叶斯分类、条件独立、属性选择、因子分析、边坡稳定性识别
32
TP18(自动化基础理论)
国家自然科学基金项目61070033;广东省自然科学基金重点项目9251009001000005;广东省科技计划基金项目20101B050400011、2008B080701005;广东省哲学社会科学规划"十一五"规划基金项目08O-01
2012-03-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
3828-3831