

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、分類(lèi)號(hào)——UDC密緝學(xué)校代碼!Q壘2Z武潭理歹大署學(xué)位論文題目基土星吐塹圈縫盟金塞簋洼塑窺壟甚在£必主鮑廛旦一英文ResearchonclassificationalgorithmsbasedOnBayesian題目塾曼壘型Q鱧堡塹魚(yú)i!墨鯉li曼塹iQ壁i塾魚(yú)曼£B叢一研究生姓名羞鲞指導(dǎo)教師姓名——型至—一職稱(chēng)—j蛆絲壘一學(xué)位——石絲單位名稱(chēng)鹽簋墊壁堂墨撞盔堂瞳郵編璽QQ2Q姓名——職稱(chēng)副指導(dǎo)教師單位名稱(chēng)——郵編——申請(qǐng)學(xué)位級(jí)別塑學(xué)科
2、專(zhuān)業(yè)名稱(chēng)鹽簋墊廛旦墊盔論文提交日期2Q!!生壘月論文答辯日期2Ql!生量旦學(xué)位授予單位武這理王太堂學(xué)位授予日期——答辯委員會(huì)主席摹一幺罵弋一評(píng)閱人』致皇L————二魚(yú)盤(pán)堡甚2011年4月摘要從數(shù)據(jù)挖掘的角度上看,分類(lèi)問(wèn)題就是要建立相應(yīng)的分類(lèi)模型或者分類(lèi)規(guī)則,使用構(gòu)建好的分類(lèi)模型將未知分類(lèi)的樣本映射到某一個(gè)類(lèi)中。貝葉斯分類(lèi)法以其堅(jiān)實(shí)的理論基礎(chǔ)和良好的分類(lèi)性能受到研究人員的青睞。樸素貝葉斯分類(lèi)的改進(jìn)算法和貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)是貝葉斯分類(lèi)研究
3、的兩個(gè)方面。本文的重點(diǎn)在于前者。貝葉斯分類(lèi)就是要在假設(shè)空間內(nèi)尋找具有最大后驗(yàn)概率的類(lèi),將未分類(lèi)的樣本歸到這個(gè)類(lèi)中。樸素貝葉斯分類(lèi)器(NadeBayesianNB)是一個(gè)經(jīng)典的貝葉斯分類(lèi)器。NB基于所有的屬性是條件獨(dú)立的。在屬性相關(guān)性較弱的情況下,NB具有同決策對(duì),神經(jīng)網(wǎng)絡(luò)相當(dāng)?shù)姆诸?lèi)性能。在實(shí)際NB其嚴(yán)格的條件約束性不能反映屬性間的關(guān)聯(lián)性,降低了它的分類(lèi)精度。許多改進(jìn)算法是基于放松其條件約束性這一思想的。TAN的每個(gè)結(jié)點(diǎn)除了類(lèi)結(jié)點(diǎn)作為其父
4、結(jié)點(diǎn)外,還允許至多一個(gè)非類(lèi)結(jié)點(diǎn)作為其父結(jié)點(diǎn)。TAN在許多樣本集上具有優(yōu)于NB的分類(lèi)性能。每個(gè)屬性對(duì)分類(lèi)的影響程度是不同的,那么如何表示不同的影響呢屬性相關(guān)性可以度量屬性間的關(guān)聯(lián)性。本文介紹了多種不同的相關(guān)性分析法。屬性相關(guān)性有多種應(yīng)用,如基于屬性相關(guān)性的屬性約簡(jiǎn),基于屬性相關(guān)性的加權(quán)模型,基于于屬性相關(guān)性的屬性分組。本文在介紹完屬性相關(guān)性分析法后,描述了基于這些分析法的加權(quán)模型。屬性關(guān)聯(lián)性分析的另一個(gè)應(yīng)用是屬性分組。將所有的屬性根據(jù)一定
5、的度量標(biāo)準(zhǔn)將它們劃分成強(qiáng)屬性集和弱屬性集。強(qiáng)屬性集中的屬性對(duì)分類(lèi)影響較大,相對(duì)的弱屬性集中的屬性對(duì)影響程度較小?;诓煌南嚓P(guān)性定義產(chǎn)生了多種不同的劃分標(biāo)準(zhǔn)。本文在介紹了幾種強(qiáng)屬性的選擇法后,提出了自適應(yīng)的選擇法,基思想是通過(guò)不斷的調(diào)整嘗試多種劃分最后選擇具有最好分類(lèi)性能的劃分。另外,在強(qiáng)屬性選擇的基礎(chǔ)上,提出了在不同的屬性集上使用不同的分類(lèi)算法的混合貝葉斯分類(lèi)模型。該模型首先使用自適應(yīng)強(qiáng)屬性選擇方法劃分強(qiáng)屬性集和弱屬性集,然后對(duì)強(qiáng)屬性
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 貝葉斯分類(lèi)算法研究及其在隧道病害預(yù)測(cè)中的應(yīng)用.pdf
- 改進(jìn)的樸素貝葉斯算法及其在圖像分類(lèi)中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)分類(lèi)器學(xué)習(xí)及其在信用評(píng)分中的應(yīng)用.pdf
- 面向CRM的貝葉斯分類(lèi)算法及并行化研究.pdf
- 基于貝葉斯網(wǎng)絡(luò)的多類(lèi)標(biāo)分類(lèi)算法研究.pdf
- 貝葉斯分類(lèi)算法的研究與應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)在質(zhì)量管理分類(lèi)中的應(yīng)用研究.pdf
- 基于貝葉斯網(wǎng)絡(luò)的短文本分類(lèi)算法研究.pdf
- 基于屬性離散化的貝葉斯分類(lèi)算法及其應(yīng)用研究.pdf
- 樸素貝葉斯分類(lèi)算法的研究與應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)分類(lèi)模型研究及其在小樣本故障診斷中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)及其在范例推理中的應(yīng)用研究.pdf
- 改進(jìn)的貝葉斯網(wǎng)絡(luò)算法在亞健康分析中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)在認(rèn)知診斷中的應(yīng)用.pdf
- 貝葉斯優(yōu)化算法的研究及其在圖像分割中的應(yīng)用.pdf
- 貝葉斯分類(lèi)在垃圾短信過(guò)濾中的應(yīng)用.pdf
- 基于關(guān)聯(lián)信息的貝葉斯分類(lèi)算法研究.pdf
- 貝葉斯分類(lèi)算法在公安犯罪領(lǐng)域的應(yīng)用研究.pdf
- 基于貝葉斯網(wǎng)絡(luò)的智能Agent學(xué)習(xí)及其在Robocup中的應(yīng)用.pdf
- 貝葉斯網(wǎng)絡(luò)分類(lèi)器與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論