基于特征选择的集成贝叶斯分类器暂态稳定评估
朴素贝叶斯分类器是目前公认的一种简单有效的概率分类方法,具有简单、健壮而且高效的特点,但由于它是建立在属性变量相对类变量独立的假设前提下,而且这个假设在实际问题中往往不能满足,从而影响了其分类精度。针对这个很强的前提假设,本文提出了基于灰色关联聚类的特征选择方法,在一定程度上放松了这个限制条件;以朴素贝叶斯分类器作为基分类器,采用分类器集成技术中的AdaBoost算法进一步提高分类性能。通过对新英格兰10机39节点系统的仿真计算,结果表明了本文方法的有效性和正确性。
特征选择 灰色聚类 贝叶斯网络 分类器 暂态稳定
李洪伟 卢锦玲
华北电力大学电力工程系 保定 071003
国内会议
长沙
中文
1-5
2009-10-01（万方平台首次上网日期，不代表论文的发表时间）