层次朴素贝叶斯分类器构造算法及应用研究.pdfVIP

第 31 卷第4 期 2010 年4 月 仪器仪表学报 Chinese Joumal of Scientitìc Instrument VoI. 31 No.4 Apr. 2010 层次朴素贝叶斯分类器构造算法及应用研究* 范敏，石为人 (1重庆大学自动化学院肇庆4(削44) 摘 哥哥:贝叶斯网络分类器是数据挖掘与知识发现领域研究的主要方法之一。层次朴素贝叶斯分类器涌进引人潜在节点来实 现属性变盘问存在聚集的层次关系，提出学习该分类器的构造算法。算法酋先借助节点间的条件互倍息值来锁定可能聚集节 点的?在隅，然后再通过模拟退火算法来掘索评分较高的模型。层tX朴素到叶斯分类器的结构特点适于构造水质富背养化评价 模型，应用于水质预警系统的结果证明该方法可行，并具有较好的适用放果。 关键诩:贝叶斯网络;分类器;结构学习;富营养化 中朋分类号: TP181 文献标识码:A 回家标准学科分魏代码: 520.20 Construction and application of hierarchical na?ve Bayesian classifier Fan Min , Shi Weiren (College of A脚刷t肌， Chongqìng Uníversuy , Chongqir啄 4仪刷4 ， Chioo) Abstract: Bayesian network cl嗣sifier is one of the main research methods in data mining and KDD domain. Because hierarchical naive Bayesian (HNB) classifier can reflect the relations between variables by introducing latent a阳e- gating nodes , this paper proposes a learning algorithm for modeling the classifier. Firstly the conditional mutual in- formation between variables is used to derermine the scale of latent aggregate nodes , then simulation anneal (SA) al幡 gorithm is used ωsearch the classifier with higher score. 啊le structure characteristícs of HNB are suitable for build跚 ing water quality eutrophication model to realize the assessment and early warning of water quality. 响le algorithm proposed in this paper has been applied in a water quality security early warning system. 四le results show the feasi. bility and applicability of the model. Key words: Bayesian network; classifier; structure learning; eutrophication 1 引| 古-P司 分类是数据挖掘和机器学习中的一个重要研究课 题。它的目标是构造一个分类器，即设计…种映射闹数 来将实例唔间的实例映射剑英另IJ空间的某个或某蝶类梯 盛。分类数据挖掘分为 2 个阶段:建立分类模型和应用 分类模唱。第 1 个阶段也就是分析输入数据，通过在训 练集中的数据表现出来的特性，为每一个提找到一种准 确的描述或者模型;第 2 个阶段就是应用分类模型。 f旦 服用之前需对建立的分类模现进行评估，在确保分类模 收稿日期: 2ω9-07 Received Date: 2009-07 *~基金项目:熏庆市科委科技计划攻关项目 (CST口创16AA7024) 资助 型的准确性和精确度的前提下，运用该模型对未知其类 别的数掘进行分类处理。 许多分费方法和技术可用于胸造分樊模嘲，例如决 策树、神经网络、k制最近邻、支持向撞机、贝叶斯网络方法 等l叫。由于贝叶斯网络方法具有不确定性的表达能力、 黯实的数学正理论基础、综合先验信息和数据样本信息的 能力以及丰富的解黯表现能力，因此本文利用它来构造 贝叶斯网络分类器。该分类器是一种特殊的贝叶斯网 络，它现取一个变