基于特征多视图提升NaiveBayesian的Boosting改进算法.PDFVIP

第33卷第6期 北京交通大学学报 V01．33No．6 至!堡堑!至旦 ．!鱼型垦些垒曼垒至垒星!』!墼鱼』!垒Q!Q堕垒堑堕!至曼曼叁!!兰 垒墼；至塑 文章编号：1673．0291(2009}06·0070—06 基于特征多视图提升Naive Bayesian的 Boosting改进算法 林正奎1，唐焕玲1，鲁明羽1，王敬东2 (1．大连海事大学信息科学技术学院，辽宁大连116026；2．中国工商银行股份有限公司烟台分行，山东烟台，264000) 摘要iAdaBoost作为一种有效的集成学习方法，能够明显提高不稳定学习算法的分类正确率，但 对稳定的Naive Bayresian分类算法的提升效果却不明显．为此，利用多种特征评估函数建立不同的 特征视图，生成多个有差异的加权朴素贝叶斯(WNB)基分类器；尝试使用几种不同的方式将样本 权重嵌入WNB基分类器的参数中，对WNB产生扰动，进一步增加基分类器的不稳定性．实验结果 表明，对比AdaBoost所提算法，BoostMV．WNB能够明显提升WNB文本分类器的性能． 关键词：AdaBoost；加权朴素贝叶斯；文本分类；特征多视图；样本权重 中图分类号：TPl81 文献标志码：A An withNaive ImprovedBoostingAlgorithm Bayesian ClassificationBasedonMulti．Views LIN NG NG Zhengkui，TAHuanling，￡UMingyu，WAJingtong ofInformation Maritime (1．School 116026，China； ScienceTechnology，DalianUniversity，DalianLiaoning 2．Industrial＆CommercialBankofChinaLtd．Yantm Branch，Yantai264000，China) Shandong aneffective Abstract：AdaBoost，asensemble method，canthe ofunsta— learning improveperformance ble works withNaive classifierdue its to relative learningalgorithms，yetpoorly Bayesian stability． revisedAdaBoost with Naive So，a namedBoostMV— algorithmweightedBayesian(WNB)classifier WNBWas areconstructedonthe