利用Boosting算法提升k依赖贝叶斯分类器分类性能

摘要：

k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类器生成算法。然后,利用集成技术中Boosting算法能够改善不稳定分类器总体性能的特点,对k-BNC分类器的分类性能进行提升。

关键词： 朴素贝叶斯分类器 k依赖贝叶斯分类器 Boosting算法 k-BNC算法 集成技术

作者: 施轶青 杨有龙 徐逸文

作者单位: 西安电子科技大学理学院数学系 西安 710071 西安电子科技大学计算机学院 西安 710071

会议类型: 国内会议

会议名称: 2010国际信息技术与应用论坛

会议地点: 昆明

会议语种:中文

页码: 217-218,256

在线出版日期: 2010-07-16（万方平台首次上网日期，不代表论文的发表时间）