發(fā)布時間：2020-12-05 14:45

　　貝葉斯網(wǎng)絡是一種根據(jù)概率推理的圖形化網(wǎng)絡數(shù)學模型,著名的貝葉斯公式是該模型的基礎,貝葉斯網(wǎng)絡的主要思想是通過提取一些變量所包含的信息從而獲得其他變量的概率信息,正是貝葉斯網(wǎng)絡這一特質(zhì)使得貝葉斯網(wǎng)絡可以解決有關于不定性和不完整性的問題.貝葉斯網(wǎng)絡分類器就是利用該特質(zhì),并進行聯(lián)合概率的邊緣和條件分解構造貝葉斯網(wǎng)絡用于數(shù)據(jù)的分類預測.樸素貝葉斯分類器是一種最基礎的貝葉斯網(wǎng)絡分類器,該分類器的前提假設使得其具有結(jié)構簡單、計算高效和分類效果良好等特點.然而,這個很強的條件獨立性假設前提也很大程度上影響了分類器的分類精度,當屬性變量間存在依賴關系時,樸素貝葉斯分類器就無法將這種依賴信息考慮進去,而這部分信息往往在分類時起著至關重要的作用.本文就是在此基礎上,以連續(xù)屬性作為研究對象,對樸素貝葉斯分類器進行擴展研究,以期達到提高分類器準確性的目的.本文的主要工作內(nèi)容如下:(1)介紹了連續(xù)屬性樸素貝葉斯分類器的分類原理,并通過參數(shù)化方法和非參數(shù)化方法進行相關的參數(shù)估計,并詳細介紹了幾種經(jīng)典的樸素貝葉斯分類器的依賴擴展,對隱樸素貝葉斯分類器提出了不同的權重定義方式.(2)介紹了一種將樸素貝葉斯分類器與時間... 

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
第一章 引言
第二章 基本理論
    2.1 概率論基礎
    2.2 信息論基礎
    2.3 貝葉斯網(wǎng)絡基礎
    2.4 連續(xù)屬性的離散化
    2.5 分類器的性能評價標準
第三章 樸素貝葉斯分類器及其依賴擴展
    3.1 連續(xù)屬性樸素貝葉斯分類器
    3.2 連續(xù)屬性樸素貝葉斯分類器的依賴擴展
    3.3 數(shù)值實驗與分析
第四章 動態(tài)貝葉斯分類器及其依賴擴展
    4.1 動態(tài)樸素貝葉斯分類器
    4.2 動態(tài)樸素貝葉斯分類器的依賴擴展
    4.3 動態(tài)隱樸素貝葉斯分類器
    4.4數(shù)值實驗與分析
第五章 總結(jié)與展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]小時間序列的動態(tài)樸素貝葉斯分類器學習與優(yōu)化[J]. 王雙成,高瑞,杜瑞杰.  控制與決策. 2017(01)
[2]約束高斯分類網(wǎng)研究[J]. 王雙成,高瑞,杜瑞杰.  自動化學報. 2015(12)
[3]一種改進隱樸素貝葉斯算法的研究[J]. 李晶輝,張小剛,陳華,胡義函.  小型微型計算機系統(tǒng). 2013(07)
[4]連續(xù)屬性樸素貝葉斯分類器的依賴擴展研究[J]. 王輝,韓旭,王雙成,王淑琴,趙洪帥,王莉.  東北師大學報(自然科學版). 2012(02)
[5]基于條件對數(shù)似然函數(shù)導數(shù)的貝葉斯網(wǎng)絡分類器優(yōu)化算法[J]. 王中鋒,王志海.  計算機學報. 2012(02)
[6]層次樸素貝葉斯分類器構造算法及應用研究[J]. 范敏,石為人.  儀器儀表學報. 2010(04)
[7]連續(xù)屬性離散化算法比較研究[J]. 劉業(yè)政,焦寧,姜元春.  計算機應用研究. 2007(09)
[8]具有丟失數(shù)據(jù)的貝葉斯網(wǎng)絡結(jié)構學習研究[J]. 王雙成,苑森淼.  軟件學報. 2004(07)
[9]一種文本處理中的樸素貝葉斯分類器[J]. 李靜梅,孫麗華,張巧榮,張春生.  哈爾濱工程大學學報. 2003(01)
[10]一種新的決策樹歸納學習算法[J]. 洪家榮,丁明峰,李星原,王麗薇.  計算機學報. 1995(06)

碩士論文
[1]粗糙集中基于NBC聚類的連續(xù)屬性離散化方法研究[D]. 郝寒雪.河北大學 2009



本文編號：2899619