操作风险等级预测的朴素贝叶斯方法研究

摘要：

操作风险数据积累比较困难,而且往往不完整,朴素贝叶斯分类器是目前进行小样本分类最优秀的分类器之一.适合于操作风险等级预测.在对具有完整数据朴素贝叶斯分类器学习和分类的基础上,提出了基于星形结构和Gibbs sampling的具有丢失数据朴素贝叶斯分类器学习方法,能够避免目前常用的处理丢失数据方法所带来的局部最优、信息丢失和冗余等方面的问题.

关键词：操作风险、等级预测、朴素贝叶斯分类器、丢失数据、Gibbs抽样

所属期刊栏目：44

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60675036;上海市重点学科建设项目P1601;上海市教委资助项目05zz66

在线出版日期：2008-05-29（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：26-28,94