连续属性完全贝叶斯分类器的学习与优化

《连续属性完全贝叶斯分类器的学习与优化》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３５卷第１０期计算机学报Ｖｏｌ．３５Ｎｏ．１０２０１２年１０月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＯｃｔ．２０１２连续属性完全贝叶斯分类器的学习与优化王双成１），２）杜瑞杰１）刘颖１）１）（上海立信会计学院数学与信息学院上海２０１６２０）２）（上海立信会计学院开放经济与贸易研究中心上海２０１６２０）摘要针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息，而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题，文中在使用多元高斯核函数估计属性条件联合密度的基础上，建立了具有多平滑参数的连续属性完全

2、贝叶斯分类器，并给出将分类准确性标准与区间异步长划分完全搜索相结合的平滑参数优化方法，再通过时序扩展构建了动态完全贝叶斯分类器．我们使用ＵＣＩ机器学习数据仓库中连续属性分类数据和宏观经济数据进行实验，结果显示，经过优化的两种分类器均具有良好的分类准确性．关键词连续属性；完全贝叶斯分类器；动态完全贝叶斯分类器；高斯核函数；平滑参数中图法分类号ＴＰ１８１犇犗犐号：１０．３７２４／ＳＰ．Ｊ．１０１６．２０１２．０２１２９犜犺犲犔犲犪狉狀犻狀犵犪狀犱犗狆狋犻犿犻狕犪狋犻狅狀狅犳犉狌犾犾犅犪狔犲狊犆犾犪狊狊犻犳犻犲狉狊狑犻狋犺犆狅狀狋犻狀狌狅

3、狌狊犃狋狋狉犻犫狌狋犲狊ＷＡＮＧＳｈｕａｎｇＣｈｅｎｇ１），２）ＤＵＲｕｉＪｉｅ１）ＬＩＵＹｉｎｇ１）１）（犛犮犺狅狅犾狅犳犕犪狋犺犲犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀，犛犺犪狀犵犺犪犻犔犻狓犻狀犝狀犻狏犲狉狊犻狋狔狅犳犆狅犿犿犲狉犮犲，犛犺犪狀犵犺犪犻２１０６２０）２）（犗狆犲狀犈犮狅狀狅犿犻犮犪狀犱犜狉犪犱犲犚犲狊犲犪狉犮犺犆犲狀狋犲狉，犛犺犪狀犵犺犪犻犔犻狓犻狀犝狀犻狏犲狉狊犻狋狔狅犳犆狅犿犿犲狉犮犲，犛犺犪狀犵犺犪犻２１０６２０）犃犫狊狋狉犪犮狋ＴｈｅｎａｉｖｅＢａｙｅｓｃｌａｓｓｉｆｉｅｒｓｗｉｔｈｃｏｎｔｉｎｕ

4、ｏｕｓａｔｔｒｉｂｕｔｅｓｃａｎｎｏｔｍａｋｅｔｈｅｅｆｆｅｃｔｉｖｅｕｓｅｏｆｃｏｎｄｉｔｉｏｎａｌｄｅｐｅｎｄｅｎｃｙｉｎｆｏｒｍａｔｉｏｎｂｅｔｗｅｅｎａｔｔｒｉｂｕｔｅｓ．ＩｎｄｅｐｅｎｄｅｎｃｙｅｘｔｅｎｓｉｏｎｏｆｎａｉｖｅＢａｙｅｓｃｌａｓｓｉｆｉｅｒｓ，ｉｔｉｓｖｅｒｙｄｉｆｆｉｃｕｌｔｔｈａｔｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｆａｔｔｒｉｂｕｔｅｃｏｎｄｉｔｉｏｎａｌｊｏｉｎｔｄｅｎｓｉｔｙｅｓｔｉｍａｔｉｏｎａｎｄｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇｏｆｃｌａｓｓｉｆｉｅｒｓａｒｅｉｎｔｅｇｒａｔｅｄ．Ｉｎｔｈｉｓｐ

5、ａｐｅｒ，ｏｎｔｈｅｂａｓｉｓｏｆｕｓｉｎｇｍｕｌｔｉｖａｒｉａｔｅＧａｕｓｓｉａｎｋｅｒｎｅｌｆｕｎｃｔｉｏｎｔｏｅｓｔｉｍａｔｅｔｈｅｃｏｎｄｉｔｉｏｎａｌｊｏｉｎｔｄｅｎｓｉｔｙｏｆａｔｔｒｉｂｕｔｅｓ，ａｆｕｌｌＢａｙｅｓｃｌａｓｓｉｆｉｅｒｗｉｔｈｃｏｎｔｉｎｕｏｕｓａｔｔｒｉｂｕｔｅｓａｎｄｍｕｌｔｉｓｍｏｏｔｈｉｎｇｐａｒａｍｅｔｅｒｓｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｓｍｏｏｔｈｉｎｇｐａｒａｍｅｔｅｒｓａｒｅｏｐｔｉｍｉｚｅｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅｅｖａｌｕａｔｉｏｎｃｒｉｔｅｒｉａｏｆｃｌａｓｓｉｆｉｃａｔｉ

6、ｏｎａｃｃｕｒａｃｙａｎｄｆｕｌｌｓｅａｒｃｈｍｅｔｈｏｄｂａｓｅｄｏｎｉｎｔｅｒｖａｌｄｉｖｉｓｉｏｎｗｉｔｈａｓｙｎｃｈｒｏｎｏｕｓｌｏｎｇ．ＡｄｙｎａｍｉｃｆｕｌｌＢａｙｅｓｃｌａｓｓｉｆｉｅｒｉｓａｌｓｏｄｅｖｅｌｏｐｅｄｂｙｃｏｍｂｉｎｉｎｇｆｕｌｌＢａｙｅｓｃｌａｓｓｉｆｉｅｒｗｉｔｈｔｉｍｅｓｅｒｉｅｓ．ＥｘｐｅｒｉｍｅｎｔａｎｄａｎａｌｙｓｉｓａｒｅｄｏｎｅｂｙｕｓｉｎｇｄａｔａｓｅｔｓｗｉｔｈｃｏｎｔｉｎｕｏｕｓａｔｔｒｉｂｕｔｅｓｉｎＵＣＩｍａｃｈｉｎｅｌｅａｒｎｉｎｇｒｅｐｏｓｉｔｏｒｙａｎｄｍａｃｒｏｅｃｏ

7、ｎｏｍｉｃｆｉｅｌｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｗｏｋｉｎｄｓｏｆｏｐｔｉｍｉｚｅｄｃｌａｓｓｉｆｉｅｒｓｈａｖｅｖｅｒｙｇｏｏｄｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ．犓犲狔狑狅狉犱狊ｃｏｎｔｉｎｕｏｕｓａｔｔｒｉｂｕｔｅｓ；ｆｕｌｌＢａｙｅｓｃｌａｓｓｉｆｉｅｒｓ；ｄｙｎａｍｉｃｆｕｌｌＢａｙｅｓｃｌａｓｓｉｆｉｅｒｓ；Ｇａｕｓｓｉａｎｋｅｒｎｅｌｆｕｎｃｔｉｏｎ；ｓｍｏｏｔｈｉｎｇｐａｒａｍｅｔｅｒｓ满条件分布进行分类．可以在理论上证明贝叶斯分１引言类器是最优分类器，但直接使用这种分类器进行分类比较困难，需

8、要对所依据的满条件分布进行转化贝叶斯分类器是一个基础概率分类器，它使用或增加一些约束条件来提高运算效率和计算的可行收稿日期：２０１２０６３０；最终修改稿收到日期：２０１２０８１０．本课题得到国家自然科学基金（１１１０１２８４）