基于因子分析的NBC及其在边坡识别中的应用.pdfVIP

3828 2011，Vo1．32，No．11 计算机工程与设计 ComputerEngineeringandDesign 基于因子分析的NBC及其在边坡识别中的应用 高 岩 (华南理工大学 理学院，广东广州510640) 摘 要：满足条件独立性假设时，朴素贝叶斯分类器理论上比其它分类方法具有更高的分类正确率，但该假设在许多实际 情况中并不成立 ，针对这一问题，提 出了一种基于因子分析的朴素贝叶斯分类模型FA-NBC，并将其应用于边坡的稳定性识 别。为了保证朴素贝叶斯分类器结构上的简单性，FA．NBC模型以方差贡献为依据构建新的属性集，新属性集包含原属性集 的大部分信息且满足条件独立性假设 。UCI数据集上的实验结果证 明了FA-NBC模型的有效性。 关键词：朴素贝叶斯分类；条件独立；属性选择 ；因子分析；边坡稳定性识别 中图法分类号：TP18 文献标识码：A 文章编号：1000—7024(2011)11-3828．04 NaiveBayesianclassifierbasedonfactoranalysisandit’Sapplicationtosloperecognition GAOYan (SchoolofScience，SouthChinaUniversityofTechnology,Guangzhou510640，China) Abstract：NaiveBayesianclassifier(NB)ispopularforitssimplicityandeffectiveness．However,theaccuracyofNBisaffected whentheconditionalindependenceassumptionisviolated．Anew algorithm basedonfactorna alysis，FA-NBC，isproposedtoretain htestructurestrengthofNBwhilereducingerrorbyalleviatingtheattributeinterdependenceproblem．Thentheclassifierisappliedto sloperecognition．New independentattributesetwhichincludesmostofhteinformationofhteoriginalpropertysetisbuiltbasedonvaria- ncetoensurethestructuralsimplicityofnaiveBayesianclassifier．ExperimentalresultsonUCIdatasetsprovehtevalidiytofthemode1． Keywords：naiveBayesina classifier；conditionalindependence；attributeselection；factoranalysis；sloperecognition 征，简化数据集，同时避免了提取特征所含信息的重叠性。 0 引 置 当属性集不满足条件独立性假设时，朴素贝叶斯分类器的 数据挖掘中常用的分类方法包括神经网络、决策树、贝叶 性能必然会受到影响。为了解决这一问题，本文利用因子分析 斯网络和 SVM。贝叶斯分类器是一种基于统计方法的分类 能够提取独立特征的性质，提出了一种新的分类模型FA-NBC。 模型，它将分类 问题看作一种不确定性的决策问题。决策依 山体滑坡和泥石流具有分布广、破坏性强、隐蔽性等特 据是分类错误率最小或损失风险最 小。朴素贝叶斯分类器 点，给人民的生命财产安全带来了巨大的隐患。2010年 8月， NBC是一种结构简单的贝叶斯分类器，它基于条件独立性假 甘肃舟 曲爆发巨大泥石流，造成 1270人遇难 474人失踪。根 设，即给定类别变量时，一个属性变量独立于其它属性变量。 据 “预防为主，防治结合”的地质灾害防治方针，山体滑