基于属性选择的改进加权朴素贝叶斯分类算法

摘要：

朴素贝叶斯分类算法简单且高效, 但其基于属性间强独立性的假设限制了其应用范围. 针对这一问题,提出一种基于属性选择的改进加权朴素贝叶斯分类算法(ASWNBC). 该算法将基于相关的属性选择算法(CFS)和加权朴素贝叶斯分类算法(WNBC)相结合, 首先使用CFS算法获得属性子集使简化后的属性集尽量满足条件独立性, 同时根据不同属性取值对分类结果影响的不同设计新权重作为算法的加权系数, 最后使用ASWNBC算法进行分类. 实验结果表明, 该算法在降低分类消耗时间的同时提高了分类准确率, 有效地提高了朴素贝叶斯分类算法的性能.

关键词：属性选择、朴素贝叶斯分类、权重、相关性、关联性

所属期刊栏目：24

分类号：TP3;TP1

资助基金：国家科技重大专项2012ZX10004-301-609;国家自然科学基金61272472,61232018,61202404;安徽省教学研究计划2010

在线出版日期：2015-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：149-154