自適應(yīng)屬性選擇的隱樸素貝葉斯算法研究及其應(yīng)用.pdf

1、樸素貝葉斯分類器由于結(jié)構(gòu)簡(jiǎn)單、計(jì)算高效而被廣泛應(yīng)用，但是其屬性間的條件獨(dú)立性假設(shè)限制了它的應(yīng)用。隱樸素貝葉斯分類器通過為各個(gè)屬性節(jié)點(diǎn)引入一個(gè)表示屬性間依賴關(guān)系的隱藏父節(jié)點(diǎn)降低了獨(dú)立性假設(shè)條件的限制，并獲得了相比樸素貝葉斯分類器更好的分類效果。但是，隱樸素貝葉斯分類器缺乏對(duì)屬性集的選擇機(jī)制，存在著冗余屬性影響分類效果的缺陷?；诖耍疚淖隽巳缦卵芯抗ぷ?
　　(1)通過對(duì)已有3種基于互信息的屬性選擇方法的對(duì)比分析，提出了一種新的屬性

2、選擇方法:自適應(yīng)最大相關(guān)性的屬性選擇方法(AMaxMI)。該方法采用等寬度離散化技術(shù)離散各個(gè)屬性的互信息值，然后按照離散化的結(jié)果自動(dòng)選擇有效屬性用于分類，同時(shí)剔除冗余屬性。
　　(2)通過歸納總結(jié)3種基于互信息的屬性選擇方法，提出了一種自適應(yīng)增強(qiáng)類相關(guān)性的屬性選擇方法(AMaxMI/MinR)。該方法通過利用類-屬性互信息值除屬性間互信息值的結(jié)果作為參考指標(biāo)，然后將參考指標(biāo)離散化的結(jié)果作為自動(dòng)選擇有效屬性的依據(jù)。
　　(3)

3、將兩種自適應(yīng)屬性選擇方法與隱樸素貝葉斯分類器相結(jié)合，提出了兩種改進(jìn)的隱樸素貝葉斯分類算法:自適應(yīng)最大相關(guān)性屬性選擇的隱樸素貝葉斯分類算法（AMaxMI-HNBC）、自適應(yīng)增強(qiáng)類相關(guān)性屬性選擇的隱樸素貝葉斯分類算法(AMaxMI/MinR-HNBC)。并通過仿真實(shí)驗(yàn)證明:兩種改進(jìn)的隱樸素貝葉斯分類算法較隱樸素貝葉斯分類算法具有更高的精度和更低的時(shí)間復(fù)雜性。
　　(4)對(duì)回轉(zhuǎn)窯熱工數(shù)據(jù)進(jìn)行預(yù)處理后用上述兩種改進(jìn)算法進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)