贝叶斯网络分类器近似学习算法

摘要：

贝叶斯网络在很多领域应用广泛，作为分类器更是一种有效的常用分类方法，它有着很高复杂度，这使得贝叶斯网络分类器在应用中受到诸多限制。通过对贝叶斯网络分类器算法的近似处理，可以有效减少计算量，并且得到令人满意的分类准确率。通过分析一种将判别式算法变为产生式算法的近似方法，介绍了这种算法的近似过程，并将其应用在了贝叶斯网分类算法中。接着对该算法进行分析，利用该算法的稳定性特点，提出Bagging-aCLL 集成分类算法，它进一步提高了该近似算法的分类精度。最后通过实验确定了该算法在分类准确率上确有不错的表现。

关键词：贝叶斯网络分类器、产生式、判别式、近似算法、集成

分类号：TP3;TP1

在线出版日期：2014-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：189-193