基于多属性联合的朴素贝叶斯分类算法

摘要：

朴素贝叶斯分类算法由于条件独立性假设对属性施加了一定的限制，这可能会降低分类性能。针对此问题，为了削弱条件独立性假设对分类结果带来的负面影响，从结构扩展的角度提出了一种基于多属性联合的朴素贝叶斯分类算法。该算法通过计算条件属性组合相对于决策属性依赖度的大小，选择最大相对属性依赖度的属性组合进行联合作为新的条件属性。通过实验仿真，结果表明该方法可行而且有效，特别是对一些属性之间关联性比较强的数据集，分类效果提高尤为明显。

关键词：朴素贝叶斯、分类、粗糙集理论、相对属性依赖度、属性联合

所属期刊栏目：26

分类号：TP181(自动化基础理论)

资助基金：广西壮族自治区自然科学基金2013GXNSFC019330;广西壮族自治区高校科研资助项目2013YB086

在线出版日期：2017-01-11（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：77-81