最大相关最小冗余限定性贝叶斯网络分类器学习算法.pdf

第 卷第 期 重 庆 大 学 学 报 年 月 最大相关最小冗余限定性贝叶斯网络分类器学习算法 冯月进张凤斌 哈尔滨理工大学 计算机科学与技术学院哈尔滨 摘 要朴素贝叶斯分类器 是一种简单而有效的基于贝叶斯思想的分类方法 但它的属性条件独立性假设并不符合实际影响了它的分类性能 分类器扩展了朴素贝叶斯分类器使其表示属性之间依赖关系的能力增 强但是其学习算法需要大量的高维计算在小采样数据集上影响 分类器的分类性能基于 改进的最大相关 最小冗余特征选择技术提出限定性贝叶斯网络分类器学习算法 本 算法使用改进的最大相关 最小冗余特征选择技术通过选择属性结点的连接关系集合建立属性之 间的依赖性关系将该分类方法与 和 分类器进行实验比较实验结果表明在小 采样数据集上本算法获得的限定性贝叶斯网络分类器具有更高的分类准确性 关键词朴素贝叶斯贝叶斯网络分类器最大相关性最小冗余性依赖性 中图分类号 文献标志码 文章编号