连续属性一阶贝叶斯衍生分类器学习与集成.pdfVIP

第28 卷 第6 期 模式识别与人工智能 Vol.28 No.6 2015年6月 PR AI Jun. 2015 连连续属性一阶贝叶斯衍生分类器学习与集成* 1,2 1,3 1 王双成 高 瑞 冷翠平 1(上海立信会计学院数学与信息学院 上海201620) 2(上海立信会计学院立信会计研究院 上海201620) 3(上海财经大学 统计与管理学院 上海200433) 摘 要 依据copula和贝叶斯网络理论,将高斯copula 函数、引入平滑参数的高斯核函数和以分类器的分类准确 性为标准的属性父结点贪婪选择等相结合,综合考虑效率和可靠性,进行连续属性一阶贝叶斯衍生分类器学习、优 化和集成.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过优化和集成的一阶连续属性贝叶斯衍生 分类器具有良好的分类准确性. 关键词 贝叶斯衍生分类器,高斯copula 函数,分类器集成,贝叶斯网络,连续属性 中图法分类号 TP 181 DOI 10.16451/ j.cnki.issn1003-6059.201506003 Learning and Ensemble of One-Order Bayesian Derivative Classifiers with Continuous Attributes 1,2 1,3 1 WANG Shuang-Cheng ,GAO Rui ,LENG Cui-Ping 1(School of Mathematics and Information Science,ShanghaiLixin University of Commerce, Shanghai210620) 2(LixinAccounting Research Institute,ShanghaiLixin University of Commerce,Shanghai210620) 3(School of Statistics and Management,Shanghai University of Finance and Economics, Shanghai200433) ABSTRACT Considering the efficiency and reliablity,Gaussian copula function,Gaussian kernel function with smoothing parameter,the criteria of classification accuracy and the greedy selection of attribute parent node are combined to carry out the learning,optimization and ensemble of one-order B