基于新的属性依赖的TAN分类器.pdfVIP

总第229期 计算机与数字工程 Vo1．36No．11 2008年第 11期 Computer DigitalEngineering 26 基于新的属性依赖的TAN分类器 王学玲 王建林 (滨州学院计算机科学技术系 滨州 256603) 摘 要 通过分析朴素贝叶斯分类器与树扩张型朴素贝叶斯 (TAN)分类器，提出了一种新的属性依赖度量方法，并依 此对TAN分类器的构造方法进行了改进。将该分类方法 (XINTAN)与朴素贝叶斯分类器和TAN分类器进行了实验比 较。实验结果表明，此分类方法集中了朴素贝叶斯分类器与树扩张型朴素贝叶斯 (TAN)分类器的优点，性能要优于 TAN 分类器。 关键词 分类器 树扩张型朴素贝叶斯 依赖关系 中图分类号 TP181 TAN ClassifierBasedonNew DependenceAmongAttributes W angXueling W angJianlin (DepartmentofComputerScience，BinzhouUniversity，Binzhou 256603) Abstract Viatheanalysisofthestructureofnaivebayesclassifiersand treeaugmentednaivebayesclassifiers，a ncw methoddescribing thedependenceamongattributesispresented．According thismethodanew TAN algorithm is presented(XINTAN)．Finally，wecarryoutexperimentstoevaluatetheXINTAN andcompareitwithbasicTAN and naivebayes．Theexperimentalresultsshow thattheaccuracyoftheXINTAN ishigherthanthatofbasicTAN andnaive bayesonthedatasets． Keywords classifier，treeaugmentednaivebayes，dependence ClassNumber TP]8] 条件独立的。在现实世界中，这种独立性假设经常 1 引言 是不满足的(至于为什么朴素贝叶斯分类器独立性 分类 (Classification)是一个非常重要的数据 假设不满足的情况下，仍有很好的分类性能，可参 挖掘问题 。分类的 目的是学会一个分类函数或分 阅文献[2])。因此，怎样改进朴素贝叶斯分类器， 类模型(常常称为分类器，Classifier)，该模型能把 使之在属性独立性假设不满足的情况下依然具有 数据库中的数据项映射到给定类别中的某一个。 较高的分类精确度，就成了一个重要的研究问题。 分类通过分析训练数据样本，产生关于类别的精确 为了改进朴素贝叶斯分类器的性能，人们提出 描述，可以用来对未来的数据进行分类预测 。分类 了许多方法和技术[3]。其中，Friedman等人研 算法的核心部分是构造分类器。 究了具有树结构的 TAN(TreeAugmentedNaive 在众多分类器的构造方法与理论之中，朴素贝 Bayes)分类器I4]，它放松了朴素贝叶斯中的独立性 叶斯分类器 (NaiveBayesClassifiers)El_由于计算 假设条件，扩展了朴素贝叶斯的结构，允许每个属 高效、精确度高，并具有坚实的理论基础而得到了 性结点最多可以依赖于一个非类结点。TAN具有 广泛地应用。朴素贝叶斯分类器是基于一个简单