朴素贝叶斯增量学习在病毒上报分析中的应用-杭州电子科技大学.PDFVIP

第 27 卷第 1期　　　 计算机应用与软件 Vo.l27 No.1 2010 年 1月　　 ComputerApplicationsandSofwtare Jan.2010 1 1 1 1 2 陈　亮 　郑　宁 　郭艳华 　徐　明 　胡永涛 1 (　 3 100 18 ) 2 ( 　 201204) 　　　未知类别样本的增量学习中, 合理的学习序列能够优 分类器性能, 提高分类精度。 从优先学习的样本被正确分类概率 大小的角度, 提出了 一种基于样本分类结果可信度的朴素贝叶斯增量学习序列算法。 该算法将学习样本分类结果中可信度大的样 本优先进行增量学习。 在此算法基础上, 实现 一个病毒上报分析系统用于可疑样本的自动 分析与检测。 实验结果表明, 经该算法 增量学习后的分类器检测效果优于随机增量学习。 　　增量学习　学习序列　可信度