貝葉斯網(wǎng)絡(luò)分類器與應(yīng)用.pdf

1、貝葉斯網(wǎng)絡(luò)是一種描述隨機變量之間依賴關(guān)系的圖形模式，是概率理論和圖形理論的結(jié)合，是不確定性知識表示和推理的有力工具，已在許多領(lǐng)域得到了廣泛的應(yīng)用?；谪惾~斯網(wǎng)絡(luò)可以進行聯(lián)合概率的條件和邊緣分解，從而能夠有效降低運算復(fù)雜度、解決與聯(lián)合概率計算有關(guān)的一系列問題。用于分類預(yù)測的貝葉斯網(wǎng)絡(luò)通常稱為貝葉斯網(wǎng)絡(luò)分類器。
　　樸素貝葉斯分類器是一種基礎(chǔ)的貝葉斯網(wǎng)絡(luò)分類器，以簡單、高效和良好的分類準確性而著稱，但這種分類器基于一個很強的條件獨立性

2、假設(shè)，使得屬性之間的依賴信息無法得到有效的利用，而這部分信息往往也是分類的重要信息。本文從樸素貝葉斯分類器的擴展、優(yōu)化和應(yīng)用等方面，對選擇性樸素貝葉斯分類器(SNB)、樹擴展的樸素貝葉斯分類器(TAN)、K依賴擴展的樸素貝葉斯分類器(KDB)、貝葉斯網(wǎng)絡(luò)擴展的樸素貝葉斯分類器(BAN)、完全貝葉斯分類器(CBC)、貝葉斯網(wǎng)絡(luò)分類器的參數(shù)集成(Boosted-NB)與動態(tài)樸素貝葉斯分類器進行了研究。
　　本文主要研究內(nèi)容如下：

3、>　　(1)研究了樸素貝葉斯分類器在處理連續(xù)和離散屬性時的不同方法，介紹了特征子集選擇以及基于高斯和高斯核函數(shù)估計屬性條件密度的樸素貝葉斯分類器。
　　(2)詳細介紹了樸素貝葉斯的依賴擴展分類器的研究發(fā)展脈絡(luò)，對幾種典型的樸素貝葉斯擴展分類器（比如樹擴展樸素貝葉斯分類器 TAN、K依賴樸素貝葉斯分類器、基于類約束的貝葉斯網(wǎng)絡(luò)分類器）的特點進行分析，指出了各自具有的優(yōu)點和不足。
　　(3)給出了樸素貝葉斯分類器在企業(yè)財務(wù)風(fēng)險預(yù)