毕业设计（论文）基于Bayes算法的性别分类.docVIP

目 录 摘要： I Abstract： II 第一章 绪论 1 1.1 Bayes算法的简介 1 1.2 Bayes算法原理 3 1.3本课题研究内容 4 1.4 国内外研究现状及发展趋势 4 第二章 判别函数分类器设计 5 2.1 判别分析的假设 5 2.2 Bayes方法理论 5 2.3 Fisher算法的基础原理及其流程图 6 第三章 性别分类的设计与实现 8 3.1 身高体重数据库的建立 8 3.2 身高数据的预处理 8 3.3 试验结论及其分析 10 第四章 总结 14 参考文献（References） 15 致 谢 17 附录程序： 18 基于 摘要通常有三种文本分类的方法：SVM，K近邻算法和朴素贝叶斯。朴素贝叶斯是易于操作和，因此被广泛使用。本文介绍了贝叶斯的理论知识讨论两种的型号：（MM）和伯努利模型（BM）的信息，实现代码可以运行，在此基础上进行一些测试数据。朴素贝叶斯算法是最有效的方法，在文本分类领域之一，但只在大训练样本集可以在获得更准确的结果。的大量样品的要求不仅带来了沉重的工作对于以前的手工分类，但也提出了对计算机的后处理过程中存储和计算资源提出更高的要求。本文主要了基于泊松分布模型的朴素贝叶斯分类算法，实验结果表明，该方法即使在小样本集保持高的分类准确率。关键字：朴素贝叶斯；文本分类 Text Classification Algorithm Based on Naive Bayes Abstract: Usually there are three methods for text classification: SVM、KNN and Na?ve Bayes. Na?veThis paper describes a simple Bayesian theoretical knowledge and discuss two popular models: the model number (MM) and Bernoulli model (BM) For more information, implementation code can run, and on this basis some test data. Naive Bayes algorithm is the most effective way, one in the field of text classification, but more accurate results only in the large training set can be obtained. The large number of samples required not only brought the heavy work for the previous manual classification[7], but also made a post-processing computer for storage and computing resources put forward higher requirements.This paper mainly studies Nai?ve Bayes classification algorithm based on Poisson distribution model, and the experimental results show that this method keeps high classification accuracy even in small sample set. Keywords: na?ve bayes; text classification 绪论 1.1朴素贝叶斯算法TAN算法基于关联规则的分类三种算法朴素贝叶斯算法 朴素贝叶斯算法立的是各个属性之间互相立。当数据集独立性假设时,分类的度比较高，不然可能较低。另外，该算法没有分类输出。 TAN算法 TAN算法由发现属性对之间的依存关系来NB中任一个属性之间独立的。，用虚线NB所需的边，用实线新增的边。 基于关联的分类算法 关联则掘是数据掘的一个要的、高度活跃的。近年来，数据技术己将关联则掘用于分类问题，相当好的效果。 ARCS(Association Rule Clustering System)基于聚类掘关联则，然后则进行分类。ARCS的准确性与化有关。从可伸缩性来讲，不数据库有多大，ARCS的存储容量为常数。 CBA(classification based on association)是基于关联则方法的分类算法文献[4]对该过程进