贝叶斯分类器的集成学习方法和其在图像标注中的应用.pdf

第26卷 第 3期 西 南 科 技 大 学 学 报 V01．26No．3 2011年 9月 JournalofSouthwestUniversityofScienceandTechnology Scp．2011 贝叶斯分类器 的集成学习方法及 其在图像标注 中的应用 张华忠 侯 进 秦 雪 肖 然 (西南交通大学信息科学与技术学院 四川成都 610031) 摘要：针对贝叶斯(NaiveBayes，NB)分类器的集成学习方法，研究如何提高分类器集成中各成员分类器之间的多样 性，同时提高分类器系统准确率。实现方法是把训练集的所有属性特征划分特征子集 ，并处理所划分的属性特征子 集，最后为每个成员分类器构造出不同的完整特征属性训练集。研究结果表明采用的NB集成方法 (Ensembleof NaiveBayes，ENB)提高了分类性能，把ENB机器学习方法应用到 自动图像标注中也获得了很好的效果。 关键词：贝叶斯 集成学习 特征子集 图像标注 中图分类号：TP391．41 文献标志码：A 文章编号：1671—8755(2011)03—0053—06 TheNaiveBayesClassifierEnsembleM ethod andItsApplicationin ImageAutomaticAnnotation ZHANGHua—zhong，HOUJin，QINXue，XIAORan (SchoolofInformationScienceandTechnology，SouthwestJiaotongUniversity， Chengdu610031，Sichuan，China) Abstract：FortheNaiveBayesclassifierensemblemethod，theresearchconcentratesonproposinganen— sembleconstructionmethodwhichaimsathow tobuildaccurateanddiverseclassifier．Themainapproach consistsinrna domly splittingthefeature setofalltrainingdata intosubsetsandprocessinghtedivided subsets，finally，reconstructinga fullfeature setforeach classifierin theensemble．Experimentsshow htathtemethodofENB improvestheperformanceoftheclassifier．Finally，applyingENBforimageauto— marieannotationalsohasverygoodeffect． Keywords：NaiveBayes；Ensemblemethod；Featuresubset；Imageannotation 分类方法是机器学习、模式识别和数据挖掘等研 ting方法对神经网络集成，都获得了较理想效果。由 究的核心问题，它在图像识别、医疗诊断、自然语言处 于集成学习能够提高学习系统的泛化能力，人们开始 理等领域具有广泛应用。近年来，分类器集成学习 将集成学习用于稳定的学习算法，其 中，贝叶斯 (Na— (EnsembleLearning)由于其在降低分类系统泛化误 lyeBayes，NB)就是一种稳定的学习方法。Jiang 等 差、简化分类器设计等方面的优 良表现，逐渐成为机 提出隐藏扩展的NB分类器，释放NB分类器的属性 器学习新的研究方向。Boosting和Bagging族算法是 条件独立性，提高了其分类性能。Rodriguze