已閱讀1頁，還剩36頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、數(shù)據(jù)挖掘是機器學習領(lǐng)域中的一門技術(shù)，是將人工智能技術(shù)和數(shù)據(jù)庫技術(shù)緊密結(jié)合，讓計算機幫助人們從龐大的數(shù)據(jù)中智能地、自動地提取出有價值的知識模式，以滿足人們不同應(yīng)用上的需求。貝葉斯分類器是數(shù)據(jù)挖掘分類算法中其中之一。它是以貝葉斯定理、最大后驗假設(shè)、貝葉斯網(wǎng)絡(luò)和信息學理論為基礎(chǔ)。該算法利用先驗統(tǒng)計知識具有簡單易于計算、能有效處理混合指標屬性的分類問題和較好的分類能力等特點，已經(jīng)成為目前數(shù)據(jù)挖掘技術(shù)的理論和應(yīng)用研究方法之一。
本文
2、主要工作是樸素貝葉斯分類模型的研究和應(yīng)用。
⑴首先介紹了貝葉斯分類的基本理論。
⑵其次總結(jié)了幾種常用的貝葉斯分類模型：樸素貝葉斯分類模型、CB分類模型、基于屬性相關(guān)性的分類模型、EANBC分類模型、基于特征加權(quán)的樸素貝葉斯分類模型和強屬性限定的貝葉斯分類模型。
⑶本文的重點是對樸素貝葉斯分類算法的進行改進。將卡方統(tǒng)計量的構(gòu)造思想用于構(gòu)造屬性的相關(guān)性度量公式，以此改進貝葉斯分類算法。并通過實驗證明
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 樸素貝葉斯分類改進算法的研究.pdf
- 樸素貝葉斯分類模型的改進研究.pdf
- 樸素貝葉斯算法的改進與應(yīng)用.pdf
- 樸素貝葉斯分類算法的研究與應(yīng)用.pdf
- 改進的樸素貝葉斯算法及其在圖像分類中的應(yīng)用.pdf
- 基于改進的K-均值算法的樸素貝葉斯分類及應(yīng)用.pdf
- 基于遺傳算法的樸素貝葉斯分類研究.pdf
- 基于詞語權(quán)重改進的樸素貝葉斯分類算法的研究與應(yīng)用.pdf
- 基于粗糙集的樸素貝葉斯分類算法研究.pdf
- 基于改進樸素貝葉斯算法的Android惡意軟件檢測.pdf
- 基于正則化樸素貝葉斯的用戶分類算法的研究.pdf
- 基于改進樸素貝葉斯算法的入侵檢測技術(shù)研究.pdf
- 基于粗糙集的加權(quán)樸素貝葉斯分類算法研究.pdf
- 樸素貝葉斯分類及其應(yīng)用研究.pdf
- 樸素貝葉斯分類模型的研究與應(yīng)用.pdf
- 基于屬性選擇加權(quán)的樸素貝葉斯算法的改進與應(yīng)用.pdf
- 基于樸素貝葉斯的中文網(wǎng)頁分類研究.pdf
- 增量學習樸素貝葉斯中文分類系統(tǒng)的研究.pdf
- 面向樸素貝葉斯算法的離散化方法研究.pdf
- 選擇性加權(quán)樸素貝葉斯分類方法的探討.pdf
評論
0/150
提交評論