基于關聯(lián)信息的貝葉斯分類算法研究.pdf

1、隨著網絡的普及和數(shù)據(jù)庫技術的快速發(fā)展，信息量呈現(xiàn)出爆炸式增長。大量數(shù)據(jù)中潛藏著無數(shù)有價值的信息，如何挖掘利用這些信息成為當今數(shù)據(jù)挖掘領域研究熱點。貝葉斯分類算法以其簡捷高效特點成為其中佼佼者。
　　貝葉斯分類算法是一種通過類的先驗概率對目標數(shù)據(jù)進行預測的方法，樸素貝葉斯分類算法是應用最為廣泛、綜合效率較高的貝葉斯分類算法，但其最大的弊端是假設屬性之間相互獨立，而真實世界中，假設往往不成立。本文將頻繁項集應用在樸素貝葉斯分類算法中，

2、可以放松獨立性假設，讓分類更加準確。具體研究工作為:
　　(1)關聯(lián)信息方面:本文從候選項集的產生、屬性之間的關聯(lián)性分別對關聯(lián)規(guī)則模型以及頻繁項集與樸素貝葉斯相結合的算法進行改進。具體研究工作包括:基于哈希技術的Sampling改進算法(SamplingHT)，提出了新的哈希函數(shù)并利用該技術對Sampling算法中頻繁項集產生過程進行改進得到SamplingHT算法，通過大量對比實驗顯示，新算法提高了產生頻繁項集的性能，有效地降低

3、了對數(shù)據(jù)庫的掃描次數(shù)，達到優(yōu)化的目的。
　　(2)分類信息方面:本文提出了基于頻繁項集的貝葉斯分類改進算法WM-FISC，F(xiàn)ISC是經典的頻繁項集與貝葉斯分類算法相結合的方法，通過SamplingHT算法產生的具有屬性關聯(lián)的頻繁項集來做分類算法中的訓練集，以此來放松獨立性假設，再通過M-估計和加權方法對FISC進行改進，進一步解決樸素貝葉斯分類算法中屬性獨立性的缺點。通過實驗顯示，WM-FISC算法的性能強于FISC算法，且好于一