计算机研究与发展

作者：鞠卓亚,王志海,

关键词：分类, 模式发现, 选择性模式, 依赖关系, 贝叶斯分类器,

分类问题是数据挖掘的一个重要研究课题.朴素贝叶斯分类器是分类问题中一种简单高效的分类学习技术.该分类器假定给定类标时属性之间相互条件独立，然而现实中属性之间往往具有一定的依赖关系.“属性-值”序偶构成的模式在分类问题中具有关键作用，许多研究者利用这种特定模式构造分类器，而特定模式所包含的属性与其他属性之间的依赖关系，将对分类结果产生重要影响.通过对属性间的依赖关系进行深入研究，提出基于选择性模式的贝叶斯分类算法，既利用了基于贝叶斯网络分类器的优秀分类能力，又通过进一步分析模式中属性之间的依赖关系，削弱了属性条件独立假设的限制.实验证明:根据数据集特点，深入挖掘高区分能力的模式，合理构建属性之间的依赖关系，有助于提升分类精度.实验分析表明:与基准算法NB,AODE相比，提出的分类算法在10个数据集上的平均精度分别提升了1.65%和4.29%.

来源：2020年第8期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2020年第8期