監(jiān)督學(xué)習(xí)下的貝葉斯分類(lèi)器研究.pdf

1、貝葉斯分類(lèi)器是一種建立在貝葉斯統(tǒng)計(jì)學(xué)和貝葉斯網(wǎng)絡(luò)基礎(chǔ)上的分類(lèi)工具,具有堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)和清晰的模型解釋等優(yōu)點(diǎn),是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中的研究熱點(diǎn).本文針對(duì)監(jiān)督學(xué)習(xí)下的貝葉斯分類(lèi)器展開(kāi)研究,通過(guò)分析樸素貝葉斯分類(lèi)器的優(yōu)缺點(diǎn),從以下三個(gè)方面給出了改進(jìn)后的分類(lèi)器:首先,本文針對(duì)原有增量學(xué)習(xí)模型中存在過(guò)度擬合以及未考慮新加入實(shí)例對(duì)原有訓(xùn)練集的影響的問(wèn)題,提出了基于評(píng)分函數(shù)的增量學(xué)習(xí)算法.該方法中評(píng)分函數(shù)能有效處理過(guò)度擬合問(wèn)題,而提出的網(wǎng)絡(luò)評(píng)估式考慮

2、了如何選擇最優(yōu)的增量實(shí)例.同時(shí),本文將該算法運(yùn)用到樹(shù)擴(kuò)展貝葉斯分類(lèi)器中,擴(kuò)大了適用范圍.其次,在貝葉斯分類(lèi)器中,合理選擇屬性變量可以大大提高分類(lèi)性能.本文借鑒了BSEJ算法中屬性聯(lián)合的思想,運(yùn)用屬性間的條件互信息熵將具有相互依賴(lài)關(guān)系的屬性進(jìn)行合并.另外,不同屬性對(duì)分類(lèi)結(jié)果起到的作用不同,即應(yīng)該擁有不同的權(quán)重.因此,本文提出了基于屬性選擇的加權(quán)樸素貝葉斯模型.最后,本文將集成技術(shù)運(yùn)用到貝葉斯分類(lèi)器模型中.首先將已有的K依賴(lài)貝葉斯分類(lèi)模型改