不确定数据的朴素贝叶斯分类.pdfVIP

2016 2 Feb． ，2016 年 月 洛阳师范学院学报 35 2 Journal of Luoyang Normal University Vol． 35 No． 2 第 卷 第 期 不确定数据的朴素贝叶斯分类 马 恺 ( ， 116052) 辽宁对外经贸学院 辽宁大连 : ， 摘 要 传统的机器学习和数据挖掘分类算法是在假设数据是完整精确的前提下进行的 然而在实际的应用 ， ， ． ， 中 由于数据存在不确定性 使这种假设很难成立 数据的不确定性可能是由多种原因导致的 比如测量错 、 ． 误 隐私保护以及传感器搜集的不确定信息等等 本文研究在不确定数据中使用朴素贝叶斯分类方法进行分类 问题． : ; ; 关键词 不确定数据 分类 朴素贝叶斯 1009 － 4970 (2016)02 － 0019 － 03 中图分类号:TP311 文献标识码:A 文章编号: DOI:10.16594/j.cnki.41-1302/g4.2016.02.006 ． ， 级不确定 在记录级不确定数据库中 数据库中的 0 引言 ， 每一条记录后面有一个概率 这个概率表示这条记 ． 传统的机器学习和数据挖掘算法通常假设数据 录在数据库中出现的可能性大小 而属性级不确定 ， ． ， 的值是具体而精确的 不存在任何的不确定性 但 数据库中 组成记录的每一个属性都对应一个概率 ， ， ． ， 是 在很多应用中 数据却是不确定的 抽样误差 值 这个概率表示每个属性在该条记录中出现的可 ． ． ， 和设备误差都是不确定数据可能出现的原因 在这 能性大小 因此 属性级不确定数据库比记录级数 ， ， ， ， 种不确定数据集中 数据不能用精确的值表示 要 据库还要复杂 存储的信息更多 需要的计算量更 ． ． 用一个概率分布来表示 现有很多确定数据集中的 大 适合于属性级不确定数据库的解决方案一定适 ，