资源描述：
《朴素贝叶斯分类器增量学习属性联合集成技术硕士论文》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、监督学习下的贝叶斯分类器研究应用数学，2011，硕士【摘要】贝叶斯分类器是一种建立在贝叶斯统计学和贝叶斯网络基础上的分类工具,具有坚实的数学基础和清晰的模型解释等优点,是数据挖掘和机器学习中的研究热点.本文针对监督学习下的贝叶斯分类器展开研究,通过分析朴素贝叶斯分类器的优缺点,从以下三个方面给出了改进后的分类器:首先,本文针对原有增量学习模型中存在过度拟合以及未考虑新加入实例对原有训练集的影响的问题,提出了基于评分函数的增量学习算法.该方法中评分函数能有效处理过度拟合问题,而提出的网络评估式考虑了如何选择最优的增量实例.同时,本文将该算法运用到树
2、扩展贝叶斯分类器中,扩大了适用范围.其次,在贝叶斯分类器中,合理选择属性变量可以大大提高分类性能.本文借鉴了BSEJ算法中属性联合的思想,运用属性间的条件互信息熵将具有相互依赖关系的属性进行合并.另外,不同属性对分类结果起到的作用不同,即应该拥有不同的权重.因此,本文提出了基于属性选择的加权朴素贝叶斯模型.最后,本文将集成技术运用到贝叶斯分类器模型中.首先将已有的K依赖贝叶斯分类模型改为不稳定算法,然后提出了基于Adaboost算法的K依赖贝叶斯分类算法. 更多还原【Abstract】Bayesianclassifierisaclassifier
3、algorithmsetuponthebayesianstatisticstheoremandbayesiannetworktheorem.Thebayesianclassifierhasthesolidmathematicsfoundationandcanbeexplainedbythemodeleasily.Therefore,ithasbeenthehottopicamongtheclassificationalgorithms.Inthispaper,westudiedthesupervisedbayesianclassifier.Thr
4、oughgivingtheadvantagesanddisadvantagesofna?vebayeianclassifier,threenewsupervisedbayesianclassificationmodelswereproposed.First,... 更多还原【关键词】朴素贝叶斯分类器；增量学习；属性联合；集成技术；【Keywords】Na?vebayesianclassifier；Incrementallearning；AttributeJoining；Integratedtechnology；摘要3-4Abstract4第一章绪
5、论6-101.1常用的分类技术介绍6-81.2分类性能评估技术81.3本文的主要工作和内容安排8-10第二章有监督的贝叶斯分类器学习10-262.1概率论基础10-112.2贝叶斯网络简介11-152.3贝叶斯分类一般过程152.4朴素贝叶斯分类模型15-182.5两种典型的有监督的贝叶斯分类模型18-212.6监督学习下贝叶斯分类模型研究现状总结21-242.7本章小结24-26第三章增量贝叶斯分类器研究26-363.1引言263.2增量贝叶斯分类器预备知识26-273.3增量朴素贝叶斯分类模型27-293.4基于评分函数的增量树扩展贝叶斯分类
6、算法29-323.5实验仿真32-353.6本章小结35-36第四章属性联合的贝叶斯分类器研究36-484.1属性选择问题产生36-374.2常用属性选择方法37-384.3FSSJ与BSEJ算法38-404.4加权朴素贝叶斯分类器及分类过程40-414.5基于属性联合的加权朴素贝叶斯分类算法41-434.6实验仿真43-464.7本章小结46-48第五章AdaBoost技术学习贝叶斯分类器48-565.1引言485.2Adaboost算法介绍48-505.3K依赖贝叶斯分类器50-515.4利用Adaboost算法提升K依赖贝叶斯分类性能51-
7、525.5实验仿真52-545.6本章小结54-56第六章结束语56-586.1本文总结566.2下一步工作展望56-58致谢58-60参考文献60-64
