基于三对角矩阵的完全贝叶斯分类器研究.pdfVIP

第32卷第3期 计 算 机 应 用 研 究 Vo1．32No．3 2015年 3月 ApplicationResearchofComputers Mar．2015 基于三对角矩阵的完全贝叶斯分类器研究术 冷翠平 ，王双成 ，杜瑞杰 (上海立信会计学院a．数学与信息学院；b．开放经济与贸易研究中心，上海 201620) 摘 要：针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息、而对其进行依赖扩展中的高 阶协方差矩阵的求逆和行列式运算又非常困难等 问题，将三对角矩阵和多元高斯函数相结合，建立连续属性完 全贝叶斯分类器，并在三对角矩阵中引入平滑参数，通过对平滑参数的调整来实现分类器的优化。使用UCI数 据的实验结果显示，经过优化的连续属性完全 贝叶斯分类器具有 良好的分类准确性。 关键词：朴素贝叶斯分类器；完全贝叶斯分类器；多元高斯函数；三对角矩阵；平滑参数 中图分类号：TP183 文献标志码 ：A 文章编号 ：1001—3695(2015)03．074003 doi：10．3969／j．issn．1001-3695．2015．03．023 ResearchoffullBayesianclassifiersbasedontridiagonalmatrix LENGCui—ping“，WANGShuang—cheng一，DURui-jie (a．SchoolofMathematics＆Information，b．OpenEconomic TradeResearchCenter，ShanghaiLixinUniversityof Commerce，Shanghai 201620，China) Abstract：NaiveBayesclassifierswi山 continuousattributescannotmakefullusedofdependencyinformationbetweenattrib— utes．Andintheirdependencyextension．itisdimculttocalculatetheinverseandthedeterminantofthehigh—ordercovari— aneematrix．Tosolvethedilemma．combiningthetridiagonalmatrixandmultivariateGaussianfunctioncanhelpbuildthefu11 Bayesianclassifierswithcontinuousattributes．Andintroducedsmoothingparameterstotridiagonalmatrix．whichcancontrib— utetotheclassifiersoptimization．Experimentalresultsresultingfrom usingUCIdatashow thattheoptimizedclassifierswith continuousattributeshavegoodclassificationaccuracy． Keywords：naiveBayesclassifiers；fullBayesian classifier；multivariateGaussianfunction；tridiagonalmatrix；smoothing paraineters 分类器的分类准确性。P6rez等人” 在John等人研究的基础 0 引言 上，通过引入和优化平滑参数 (smoothingparameter)，对基于高 斯核函数的属性条件密度估计进行了改进，使用了经典的MISE 分类技术是机器学习和数据