基于粗集理論的自主式樸素貝葉斯學(xué)習(xí)算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩46頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、機(jī)器學(xué)習(xí) (知識(shí)獲取) 的目標(biāo)是將大量數(shù)據(jù)中所隱含的知識(shí)發(fā)現(xiàn)出來(lái),也就是將知識(shí)從人們難于理解、操作和使用的數(shù)據(jù)表達(dá)形式轉(zhuǎn)化為便于人們理解、操作和使用的決策規(guī)則形式的表達(dá)形式。由此可以看出,機(jī)器學(xué)習(xí)過(guò)程,實(shí)質(zhì)上是知識(shí)的一個(gè)形式轉(zhuǎn)換過(guò)程,而不是知識(shí)的產(chǎn)生過(guò)程。在傳統(tǒng)的機(jī)器學(xué)習(xí)研究中,人們都借助于部分領(lǐng)域先驗(yàn)知識(shí),然而,在很多情況下這些先驗(yàn)知識(shí)(假設(shè))不能很好地滿足實(shí)際情況,而且如果人類對(duì)待研究的問(wèn)題還沒(méi)有很好的認(rèn)識(shí),這些方法就難以適用。數(shù)據(jù)

2、驅(qū)動(dòng)的自主式學(xué)習(xí)是研究在知識(shí)發(fā)現(xiàn)過(guò)程中盡量擺脫對(duì)先驗(yàn)知識(shí)或?qū)<?領(lǐng)域)知識(shí)的依賴,由數(shù)據(jù)自主地完成知識(shí)的獲取過(guò)程。 樸素貝葉斯(Naive Bayes,簡(jiǎn)稱NB)由于它的簡(jiǎn)單和計(jì)算高效,并具有堅(jiān)實(shí)的理論基礎(chǔ)而得到了廣泛應(yīng)用。然而,樸素貝葉斯分類基于一個(gè)簡(jiǎn)單的假定:在給定分類特征條件下屬性之間是相互獨(dú)立的,同時(shí)認(rèn)為:每個(gè)條件屬性對(duì)分類特征(決策屬性)的重要性是相等的。然而,在現(xiàn)實(shí)世界中,這種假設(shè)經(jīng)常是不滿足的。對(duì)此很多學(xué)者提出了加

3、權(quán)樸素貝葉斯、選擇樸素貝葉斯、樹(shù)型擴(kuò)張型樸素貝葉斯及貝葉斯網(wǎng)絡(luò)等改進(jìn)算法,然而這些算法均未能根據(jù)數(shù)據(jù)本身的特點(diǎn)實(shí)現(xiàn)自主式學(xué)習(xí)。 本文對(duì)數(shù)據(jù)驅(qū)動(dòng)的自主式學(xué)習(xí)問(wèn)題進(jìn)行了較深入的研究,基于 Rough 集的屬性重要性理論,分別從代數(shù)觀、信息觀及綜合代數(shù)觀和信息觀的角度給出了屬性權(quán)值的求解方法,提出了 AWNB (基于代數(shù)觀的加權(quán)樸素貝葉斯)、IWNB (基于信息觀的加權(quán)樸素貝葉斯) 和 SWNB (綜合代數(shù)觀和信息觀的加權(quán)樸素貝葉斯)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論