文档介绍:分类号: 密级:
U D C : 编号:
工学硕士学位论文
基于属性加权的选择性朴素贝叶斯分类研究
硕士研究生 :孙秀亮
指导教师 :董红斌 教授
学位级别 :工学硕士
学科、专业 :计算机应用技术
所在单位 :计算机科学与技术学院
论文提交日期 :2013 年 1 月
论文答辩日期 :2013 年 3 月
学位授予单位 :哈尔滨工程大学
Classified Index:
:
A Dissertation for the Degree of M. Eng
Research about the Selective Naive Bayesian
classification based on Weighted Attributes
Candidate: Sun Xiuliang
Supervisor: Prof. Dong Hongbin
Academic Degree Applied for: Master of Engineering
Specialty: Computer Application Technology
Date of Submission: January , 2013
Date of Oral Examination: March, 2013
University: Harbin Engineering University
摘 要
贝叶斯分类属于数据挖掘领域重要的分类方法之一,朴素贝叶斯分类是一种简单的贝叶
斯分类方法,与其它分类方法相比,它的优点是简单、高速、分类效果稳定和理论基础坚实,
因此也得到了广泛的应用。但是朴素贝叶斯模型假定在给定分类特征条件下属性间是相互独
立的,而这个假定在实际应用中往往是不成立的,这就给朴素贝叶斯方法带来了局限性。为
此,很多学者试图通过放松属性间的独立性假设来提高朴素贝叶斯分类器的性能,其中属性
加权和属性选择是两种比较好的方法。
本文正是从属性加权和属性选择两个方面改进朴素贝叶斯分类模型。主要的研究工作包
括: