幾類復(fù)雜體系的分類及屬性選擇問題研究.pdf

1、生命科學技術(shù)的快速發(fā)展產(chǎn)生了大量的生物數(shù)據(jù)，形成了多種多樣的復(fù)雜體系，如何從這些數(shù)據(jù)中發(fā)現(xiàn)有價值的知識及規(guī)律，成為目前理論與實踐研究的熱點與難點。為了快速且全面的處理如此多的生物數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)成了大部分研究者的首選，旨在利用數(shù)據(jù)挖掘的方法，在已有數(shù)據(jù)的基礎(chǔ)之上發(fā)現(xiàn)相應(yīng)的規(guī)律和知識進而指導與解釋生物實驗與生命現(xiàn)象，加速對生命本質(zhì)特征的認識。
　　 分類是數(shù)據(jù)挖掘中重要的內(nèi)容，也成為各學科研究的重點。樸素貝葉斯分類器是一種簡單且

2、高效的分類器，它是在貝葉斯定理的基礎(chǔ)上，通過條件獨立性假設(shè)，將計算消耗降低，預(yù)測未知數(shù)據(jù)樣本，并且對高維數(shù)據(jù)分類有良好的表現(xiàn)。但樸素貝葉斯限制條件較強，影響其在現(xiàn)實應(yīng)用中的分類性能。通常對樸素貝葉斯的改進一般從兩方面進行，即屬性間的依賴關(guān)系和分類器的整體技術(shù)。本文著眼于分類器整體技術(shù)和屬性選擇，提出了二次建模的加權(quán)樸素貝葉斯，結(jié)果表明該算法在相對較大的樣本集中取得了較好的效果。
　　 屬性選擇作為一種數(shù)據(jù)預(yù)處理的技術(shù)，有著重要的