基于条件信息熵的自主式朴素贝叶斯分类算法
朴素贝叶斯是一种简单而高效的分类算法,但其条件独立性和属性重要性相等的假设并不符合客观实际,这在某种程度上影响了它的分类性能.如何去除这种先验假设,根据数据本身的特点实现知识自主学习是机器学习中的一个难题.根据Rough Set的相关理论,提出了基于条件信息熵的自主式朴素贝叶斯分类方法,该方法结合了选择朴素贝叶斯和加权朴素贝叶斯的优点.通过在UCI数据集上的仿真实验,验证了该方法的有效性.
朴素贝叶斯、粗糙集、条件信息熵、自主式学习、分类
27
TP311.13(计算技术、计算机技术)
重庆邮电大学校科研和教改项目A2006-43
2007-05-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
888-891