基于貝葉斯網(wǎng)絡的多類標分類算法研究.pdf

1、隨著科技的迅速發(fā)展，數(shù)據(jù)的分析與利用已成為研究的熱點。數(shù)據(jù)挖掘是從數(shù)據(jù)中獲取有用知識的學科，其重要的任務之一就是分類，而現(xiàn)實生活中數(shù)據(jù)則常用多類標分類模型。在現(xiàn)階段的研究中，針對多類標分類問題中類標之間依賴關系的研究，存在兩個方面的問題:(1)大多數(shù)多類標學習算法在利用類標間的依賴關系時，缺乏一個統(tǒng)一明確的類標間依賴關系的描述模型和確定的利用方法，且構建其依賴關系的策略相對簡單;(2)貝葉斯網(wǎng)絡是一個典型的模型，然而構建完整的貝葉斯網(wǎng)絡

2、模型是及其復雜的，其被證實是一個NP-hard問題。因此如何通過現(xiàn)有的理論，構建合理的限制性貝葉斯網(wǎng)絡是研究的重點。
　　針對以上兩個問題，本文在貝葉斯網(wǎng)絡模型的基礎上研究了如何合理地描述類標之間的依賴性來提高多類標分類模型的性能。本文主要包括以下研究工作:
　　(1)研究如何用合理的策略構建類標之間的依賴關系，減少類標之間的錯誤和冗余信息，以提高分類模型的性能。本文的研究中結合了特征選擇中常用的屬性相關性的算法理論和遺傳算

3、法的啟發(fā)式搜索理論，優(yōu)化類標之間依賴關系。首先，根據(jù)屬性相關性的理論綜合考慮類標之間的相關性，類標和條件屬性之間的相關性，給類標之間相關性大的類標子集賦予較高的評價值。然后，在傳統(tǒng)遺傳算法的全局搜索中，本文修改三個方面以適應多類標分類模型:1）修改屬性相關性算法的理論計算公式，用于遺傳算法的個體適應度評價函數(shù);2）使用分類器鏈中部分鏈，以減少完整鏈攜帶的冗余和錯誤信息;3）修改了遺傳操作中具有不同長度編碼的個體的交叉和變異。
　　

4、(2)研究通過構建類標的限制性貝葉斯網(wǎng)絡結構以表示類標之間的依賴關系，并提出一種貝葉斯分類器鏈模型。該模型中貝葉斯網(wǎng)絡給出一種類標之間依賴關系的度量，其主要是利用多種策略構建類標之間的有向樹型貝葉斯結構。本文在構建多類標的貝葉斯分類器鏈模型的過程中采用了兩個基本策略:1）通過考慮類標之間的條件獨立性，減少模型中類標的數(shù)量;2）盡可能地減少模型中鏈序列的數(shù)量。通過以上基本策略構建貝葉斯分類器鏈模型，并在五個具體的方面使用不同的算法研究和比