一種蒙特卡羅貝葉斯分類的改進(jìn)方法.pdf

1、隨著信息技術(shù)的發(fā)展和數(shù)據(jù)庫技術(shù)的廣泛應(yīng)用,人們積累的信息越來越多,如何從海量的信息中提取我們感興趣的知識(shí),是當(dāng)前社會(huì)面臨的一個(gè)嚴(yán)峻的問題.知識(shí)發(fā)現(xiàn)技術(shù)隨時(shí)代的發(fā)展應(yīng)運(yùn)而生<'[2]>,成為目前較熱門的研究課題之一.知識(shí)發(fā)現(xiàn)(KDD)能夠從數(shù)據(jù)庫中識(shí)別出有效的、新穎的、潛在有用的、以及最終可理解的信息.數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)的一個(gè)核心環(huán)節(jié)<'[2]>,涉及到數(shù)據(jù)庫、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等領(lǐng)域<'[5]>.分類是數(shù)據(jù)挖掘的一個(gè)重

2、要內(nèi)容<'[56]>,它通過構(gòu)造一個(gè)分類函數(shù)或分類模型(也常稱作分類器),把數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到給定類別中的某一個(gè),從而能夠使用該模型來預(yù)測(cè)類標(biāo)號(hào)未知的對(duì)象類.在眾多的分類方法中,貝葉斯分類以其簡(jiǎn)單的結(jié)構(gòu)和良好的性能而備受關(guān)注.與其它分類方法不同,貝葉斯分類建立在堅(jiān)實(shí)的數(shù)理統(tǒng)計(jì)知識(shí)基礎(chǔ)之上,基于求解后驗(yàn)概率的貝葉斯定理,理論上講它在滿足其限定條件下是最優(yōu)的.蒙特卡羅是一種采用統(tǒng)計(jì)抽樣理論近似求解數(shù)學(xué)或物理問題的方法,它在用于解決貝葉斯

3、分類時(shí),首先根據(jù)已知的先驗(yàn)概率獲得各個(gè)類標(biāo)號(hào)未知類的條件概率分布,然后利用某種抽樣器,分別得到滿足這些條件分布的隨機(jī)數(shù)據(jù),最后統(tǒng)計(jì)這些隨機(jī)數(shù)據(jù),就可以得到各個(gè)類標(biāo)號(hào)未知類的后驗(yàn)概率分布.運(yùn)行一個(gè)特定的馬爾可夫鏈<'[21]>可以容易地獲得滿足某個(gè)特定分布的隨機(jī)抽樣<'[94]>,所以馬爾可夫鏈蒙特卡羅(MCMC)是最常用的蒙特卡羅貝葉斯分類方法<'[18]>.MCMC可以減少數(shù)據(jù)挖掘中的時(shí)間和空間開銷,但對(duì)于巨型數(shù)據(jù)集,MCMC在計(jì)算方