连续属性完全贝叶斯分类器的学习与优化

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。

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

作者: 王双成 杜瑞杰 刘颖

作者单位: 上海立信会计学院数学与信息学院 上海 201620 上海立信会计学院开放经济与贸易研究中心 上海 201620 上海立信会计学院数学与信息学院 上海 201620

会议类型: 国内会议

会议名称: 2012中国计算机大会

会议地点: 大连

会议语种:中文

页码: 2129-2138

在线出版日期: 2012-10-01（万方平台首次上网日期，不代表论文的发表时间）