基于mRMR的多关系朴素贝叶斯分类.PDFVIP

第３３卷第８期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．８ ２０１６年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１６ 基于ｍＲＭＲ的多关系朴素贝叶斯分类  张　晶　毕佳佳 　刘　炉 （合肥工业大学计算机与信息学院　安徽合肥２３０００９） 摘　要　　在分类任务中，特征选择是一种提高分类效果的重要方法。现实生活中的数据都是存储在多关系数据库中的。多关系 数据库的数据中有许多不相关的且冗余的特征，这些特征对分类任务的贡献很小，甚至没有贡献。如何有效地将特征选择应用到多 关系分类中是比较重要的。因此，将最大相关最小冗余的特征选择方法应用到多关系分类中，对关系数据库中的每个关系表进行特 征选择，选择出对分类影响较好的特征集，再用多关系朴素贝叶斯分类算法对进行特征选择后的多关系数据库进行分类测试。实验 结果表明了该算法的性能有了一定的提高。 关键词　　多关系　分类　特征选择 中图分类号　ＴＰ３１１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０８．０１３ ＭＵＬＴＩＲＥＬＡＴＩＯＮＡＬＮＡＩＶＥＢＡＹＥＳＩＡＮＣＬＡＳＳＩＦＩＣＡＴＩＯＮＢＡＳＥＤＯＮＭＲＭＲ  ＺｈａｎｇＪｉｎｇ　ＢｉＪｉａｊｉａ　ＬｉｕＬｕ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９，Ａｎｈｕｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｃｌａｓｓｉｆｉｃａｔｉｏｎｔａｓｋ，ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｍｅｔｈｏｄｔｏｉｍｐｒｏｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎｅｆｆｅｃｔ．Ｉｎｒｅａｌｌｉｆｅ，ｄａｔａｉｓｓｔｏｒｅｄｉｎ ｍｕｌｔｉｐｌｅｒｅｌａｔｉｏｎａｌｄａｔａｂａｓｅｓ．Ｔｈｅｒｅａｒｅｍａｎｙｉｒｒｅｌｅｖａｎｔａｎｄｒｅｄｕｎｄａｎｔｆｅａｔｕｒｅｓｉｎｍｕｌｔｉｐｌｅｒｅｌａｔｉｏｎａｌｄａｔａｂａｓｅ，ａｎｄｔｈｅｙｈａｖｅｌｉｔｔｌｅｏｒｅｖｅｎｎｏ ｃｏｎｔｒｉｂｕｔｉｏｎｔｏｃｌａｓｓｉｆｉｃａｔｉｏｎｔａｓｋ．Ｈｏｗｔｏｅｆｆｅｃｔｉｖｅｌｙａｐｐｌｙｔｈｅｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｔｏｍｕｌｔｉｒｅｌａｔｉｏｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｉｓｒａｔｈｅｒｉｍｐｏｒｔａｎｔ． Ｔｈｅｒｅｆｏｒｅ，ｗｅａｐｐｌｉｅｄｔｈｅｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｏｆｍａｘｉｍｕｍｒｅｌｅｖａｎｃｅｍｉｎｉｍｕｍｒｅｄｕｎｄａｎｃｙｔｏｍｕｌｔｉｒｅｌａｔｉｏｎｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｅｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎｉｓｃａｒｒｉｅｄｏｕｔｏｎｅｖｅｒｙｒｅｌａｔｉｏｎｔａｂｌｅｉｎｄａｔａｂａｓｅａｎｄｔｏｐｉｃｋｏｕｔｔｈｅｆｅａｔｕｒｅｓｅｔｓｗｉｔｈｂｅｔｔｅｒｅｆｆｅｃｔｏｎｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅｎ，ｗｅｕｓｅｄ ｔｈｅｍｕｌｔｉｒｅｌａｔｉｏｎａｌｎａｉｖｅＢａｙｅｓｉａｎｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｃｌａｓｓｉｆｙｉｎｇａｎｄｔｅｓｔｉｎｇｔｈｅｍｕｌｔｉｒｅｌａｔｉｏｎａｌｄａｔａｂａｓｅｗｉｔｈｔｈｅｆｅａｔｕｒｅｓｓｅｌｅｃｔｅｄ． Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓａｌｓｏｓｈｏｗｅｄｔｈａｔｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅａｌｇｏｒｉｔｈｍｈａｓｂｅｅｎｉｍｐｒｏｖｅｄ． Ｋｅｙｗｏｒｄｓ　　Ｍｕｌｔｉｒｅｌａｔｉｏｎａｌ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ 行处理。但是传统的分类算法都是在单个表的基础上实现的， ０　引　言