基于高斯核函数的朴素贝叶斯分类器依赖扩展

摘要：

朴素贝叶斯分类器不能有效地利用属性之间的依赖信息,而目前所进行的依赖扩展更强调效率,使扩展后分类器的分类准确性还有待提高.针对以上问题,在使用具有平滑参数的高斯核函数估计属性密度的基础上,结合分类器的分类准确性标准和属性父结点的贪婪选择,进行朴素贝叶斯分类器的网络依赖扩展.使用UCI中的连续属性分类数据进行实验,结果显示网络依赖扩展后的分类器具有良好的分类准确性.

关键词：朴素贝叶斯分类器、高斯核函数、贝叶斯网络、分类准确性、依赖扩展

所属期刊栏目：30

分类号：TP181(自动化基础理论)

资助基金：上海市自然科学基金项目15ZR1429700;上海市教委科研创新项目15ZZ099

在线出版日期：2015-12-24（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：2280-2284