一种基于粗糙集的特征加权朴素贝叶斯分类器.pdfVIP

第24卷 第7期 重 庆理 ．Y-大 学 学报 (自然科学) 2010年 7月 V0I．24 No．7 JournalofChongqingUniversityofTechnology(NaturalScience) Ju1．2010 一 种基于粗糙集的特征加权朴素贝叶斯分类器 王 国才 ，张 聪 (重庆交通大学 信息科学与工程学院，重庆 400074) 摘 要：朴素贝叶斯分类器是一种简单高效的分类算法，但其属性独立性假设影响了分类效 果。通过放松朴素贝叶斯假设可以增强朴素贝叶斯的分类效果，但是通常会导致计算代价大幅 提高。针对以上问题，提出了一种基于粗糙集的特征加权朴素贝叶斯算法，加权参数直接从训练 数据中学习得到，可以看作是计算某个后验概率时，某个特征对于该类别的影响程度。将该分类 算法与朴素贝叶斯分类器(naYvebayesianclassifier，NB)、贝叶斯网(bayesnetworks)和NBTree分 类器进行实验比较。结果表明：在大多数数据集上，FWNB分类器在较小的计算代价下，