多維貝葉斯分類器的研究.pdf

1、多維貝葉斯分類模型是一種描述類變量與類變量、類變量與屬性變量和屬性變量與屬性變量之間的依賴關(guān)系的分類模型．本文針對(duì)完全樸素多維貝葉斯分類模型要求變量之間具有獨(dú)立性假設(shè)，以及無(wú)法有效利用類變量和類變量，屬性變量與屬性變量之間的依賴關(guān)系等問(wèn)題，研究了多維貝葉斯分類模型并進(jìn)行了仿真實(shí)驗(yàn)．
　　首先基于貝葉斯網(wǎng)絡(luò)的最大似然值的打分方法，學(xué)習(xí)多維貝葉斯分類模型的類子圖，屬性子圖和橋子圖．再通過(guò)加邊、減邊或者轉(zhuǎn)邊等措施對(duì)最初的結(jié)構(gòu)圖進(jìn)行改進(jìn)，

2、得到一個(gè)分類效果較好的多維貝葉斯分類模型．
　　其次針對(duì)數(shù)據(jù)包含影響分類效果的冗余屬性和無(wú)關(guān)屬性，本文提出了一種新的基于馬爾科夫毯的屬性選擇方法：把分類變量作為普通節(jié)點(diǎn)，學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，在此結(jié)構(gòu)中尋找類變量的子節(jié)點(diǎn)和配偶節(jié)點(diǎn)，進(jìn)一步在給定類變量時(shí)尋找與類變量的馬爾科夫毯節(jié)點(diǎn)集條件獨(dú)立的變量集，進(jìn)而刪除冗余屬性節(jié)點(diǎn)．
　　最后對(duì)三類數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明本文采用的屬性選擇方法能夠有效刪除冗余屬性變量，分類效果優(yōu)于對(duì)比的