面向不确定性数据的贝叶斯分类方法地研究.pdf

面向不确定性数据的贝叶斯分类算法研究 摘要 计算类条件概率；当不能通过公式推导把类条件概率估计公式中的双重积分符号 去掉，我们使用基于采样的算法来计算核密度估计公式里双重积分的值。从对 UCI上的大量数据实验表明，在朴素贝叶斯分类器框架下，充分利用不确定性数 据的概率分布信息的基于双重积分求期望的算法，分类精度比仅利用不确定性数 据均值的基于均值的算法要好。 关键词：贝叶斯分类、类条件概率估计、核密度估计、不确定性数据 Ⅱ 面向不确定性数据的贝叶斯分类算法研究 Abstract Data Title： Naive ClassificationofUncertain Bayes ApplicationTechnology Major： Computer Name：XianluChert ProfessorPen Jiangtao Supervisor：Associate Abstract In ofthe inthedata fieldinrecent spite greatprogress mimng years，theproblem datahasremaineda fordata of uncertain greatchallengemimngalgorithms． handling are Traditionalmachine oftenassumethatthevalueofdataexact learningalgorithms or datais uncertain． inherently manyemergingapplications，however,the precise．In are sourcesof errorsand both elTOrS,instrument Sampling privacypreserving dataale distributionsratherthan uncertainty,andtypicallyrepresentedbyprobability tractionalclassificationhavebeen deterministic some algorithms values。Recently handleuncertaindataclassification asdecision extendedto problems，such trees， vector this anovelnafve sup