一种改进的基于加权平均后验概率的1-层泛化方法

摘要：

分布式数据挖掘由于在应用上较集中式数据挖掘具有更多的特殊性,如分布的数据源、节点间的通讯等等,都会影响到挖掘的效率.在分类问题的分布式数据挖掘中,不同节点上的分类器一般通过某种组合策略加以集成.1-层泛化的特征空间是确保叠加泛化精度的关键因素之一.本文在对现有用于1-层泛化的特征构造方法进行分析的基础上,提出一种改进的基于加权平均后验概率的1-层泛化方法,并给出实验测试结果.

关键词： 数据挖掘 1-层泛化方法 分类器 泛化精度

作者: 韦艳艳 李陶深

作者单位: 广西大学计算机与电子信息学院,南宁,530004

会议类型: 国内会议

会议名称: 第二十一届中国数据库学术会议

会议地点: 厦门

会议语种:中文

页码: 225-228

在线出版日期: 2004-10-14（万方平台首次上网日期，不代表论文的发表时间）