基于貝葉斯網(wǎng)絡(luò)的多類標(biāo)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(xué)科，其重要的任務(wù)之一就是分類，而現(xiàn)實生活中數(shù)據(jù)則常用多類標(biāo)分類模型。在現(xiàn)階段的研究中，針對多類標(biāo)分類問題中類標(biāo)之間依賴關(guān)系的研究，存在兩個方面的問題:(1)大多數(shù)多類標(biāo)學(xué)習(xí)算法在利用類標(biāo)間的依賴關(guān)系時，缺乏一個統(tǒng)一明確的類標(biāo)間依賴關(guān)系的描述模型和確定的利用方法，且構(gòu)建其依賴關(guān)系的策略相對簡單;(2)貝葉斯網(wǎng)絡(luò)是一個典型的模型，然而構(gòu)建完整的貝葉斯網(wǎng)絡(luò)

2、模型是及其復(fù)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(gòu)建合理的限制性貝葉斯網(wǎng)絡(luò)是研究的重點。
　　針對以上兩個問題，本文在貝葉斯網(wǎng)絡(luò)模型的基礎(chǔ)上研究了如何合理地描述類標(biāo)之間的依賴性來提高多類標(biāo)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(gòu)建類標(biāo)之間的依賴關(guān)系，減少類標(biāo)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(jié)合了特征選擇中常用的屬性相關(guān)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(biāo)之間依賴關(guān)系。首先，根據(jù)屬性相關(guān)性的理論綜合考慮類標(biāo)之間的相關(guān)性，類標(biāo)和條件屬性之間的相關(guān)性，給類標(biāo)之間相關(guān)性大的類標(biāo)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(yīng)多類標(biāo)分類模型:1）修改屬性相關(guān)性算法的理論計算公式，用于遺傳算法的個體適應(yīng)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(gòu)建類標(biāo)的限制性貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)以表示類標(biāo)之間的依賴關(guān)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(luò)給出一種類標(biāo)之間依賴關(guān)系的度量，其主要是利用多種策略構(gòu)建類標(biāo)之間的有向樹型貝葉斯結(jié)構(gòu)。本文在構(gòu)建多類標(biāo)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(biāo)之間的條件獨立性，減少模型中類標(biāo)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(gòu)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