基于组合贝叶斯网络的葡萄酒分类.pdfVIP

基于组合贝叶斯网络的基于组合贝叶斯网络的葡萄酒分类葡萄酒分类 基于组合贝叶斯网络的基于组合贝叶斯网络的葡萄酒分类葡萄酒分类 教学案例教学案例 教学案例教学案例 文件状态： 文件标识： TipDM_03_009 [ ] 草稿 当前版本： V01.00.000 [√] 正式发布 作 者： 教培部 [ ] 正在修改 参 与 者： 研发部 [ ] 作废 完成日期： 2010-07-20 太普软件 （） 数据挖掘技术及应用 （教学案例） 文档编号: TipDM_03_009 目 目 录录 目目 录录 1.1. 概述概述 3 1.1. 概述概述 2.2. 案例描述案例描述3 2.2. 案例描述案例描述 3.3. 建模过程建模过程4 3.3. 建模过程建模过程 绝密 太普数据挖掘套件 (TIP DM Suite) 试用网址： 第 2 页 共 11 页 1.1. 概述概述 1.1.概述概述 针对葡萄酒中化学成分的信息和知识具有随机性和不确定性的特点，提出了一种利用 AdaBoostM1算法构建组合贝叶斯网络进行葡萄酒分类的方法。AdaBoostM1算法能够提高分 类器的性能，为此，将若干个不同结构的TAN看作一系列基分类器，进行boosting迭代。 即依次在训练集上训练每个基分类器。第1个基分类器用原始的训练集训练，其他基分类 器的训练决定于在其之前产生的分类器的表现，被已有分类器错误判断的实例将以较大的 概率出现在新分类器的训练集中，最后，这些分类器组合成为一个贝叶斯网络组合分类器。 由于贝叶斯网络是用来表示变量间连接概率的图形模式，它提供了一种自然的表示因果信 息的方法，用来发现数据间的潜在信息，因此应用中显示了该方法对于葡萄酒分类的适用 性。在讨论葡萄酒化学成分组成的基础上，针对已积累的不同种类葡萄酒中化学成分含量 范围等数据，利用boosting迭代，并在此基础上构造出组合贝叶斯网络预测模型，实现了 葡萄酒分类，有利于提高分类的准确性。此外，通过与其他组合分类的方法进行比较进一 步表明了该模型的有效性。 2.2. 案例描述案例描述 2.2.案例描述案例描述 随着社会的发展，市场上出现越来越多的假冒伪劣产品，