朴素贝叶斯分类及其应用研究.pdf

《朴素贝叶斯分类及其应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、分类号UDC密级朴素贝叶斯分类及其应用研究段晶指导教师鲁明羽职称学位授予单位大连海事大学教授申请学位级别工学硕士学科(专业)计算机科学与技术论文完成日期2011-6—2答辩日期2011-7-2答辩委员会主席r一⋯大连海事大学学位论文原创性声明和使用授权』!罂Y脚1脚8㈣95fI㈣5『fffIIl7fffIfl聊原创性声明本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果，撰写成博／硕士学位论文：查[丞贝吐堑坌差区墓座旦婴究：。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发

2、表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名：奎笙晶学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士学位论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据库》(中国科学技术信息研究所)等数据库中，并以电子出版物形式出版发行和提供

3、信息服务。保密的论文在解密后遵守此规定。本学位论文属于：保密口在——年解密后适用本授权书。不保密／(请在以上方框内打t‘√”)论文作者签名：彩晶导师签名：名叫丁刁日期：沙叩年．7月多日ResearchonNaiveBayesianClassificationanditsApplicationAthesisSubmittedtoDalianMaritimeUniversityInpartialfulfillmentoftherequirementsforthedegreeofMasterofEngineeringbyDuanJing(ComputerScienceandTechnology)

4、ThesisSupervisor：ProfessorLuMingyuJuly2011中文摘要摘要朴素贝叶斯是数据挖掘领域重要的分类算法之一，与其它方法相比，朴素贝叶斯方法具有算法简单、分类效果稳定和速度快等特点。朴素贝叶斯模型一般假设属性之间相互独立，然而这个假设在实际应用中往往是不成立的，这给朴素贝叶斯模型的分类性能带来一定影响。对此，现有大量研究工作试图通过放松属性间的独立性假设来提高朴素贝叶斯分类的性能，主要可以分为结构扩展、局部学习、属性选择和属性加权。本文重点从结构扩展和属性加权两个方面改进朴素贝叶斯分类模型。具体研究工作包括：·1)结构扩展方面：采用关联规则中的频繁项集来体现多

5、属性之间的关联性，从而避免了强属性集的选择过程，并构造了一种双层贝叶斯结构；针对基于频繁项集的贝叶斯分类算法(FISC)存在的概率估计方式粗糙和分类器集成过于简单的缺点，分别提出了基于M．估计的贝叶斯分类算法(FISC—M)和加权集成的贝叶斯分类算法(wFIsC)；为解决FISC时间开销较大的问题，提出了项集长度约束条件，在保证分类精度的前提下缩短了算法的运行时间，进一步提升了FISC—M和WFISC的性能。实验结果表明，FISC．M与WFISC的性能大大超越了原始的FISC，并且优于目前性能较优的一些贝叶斯分类算法。2)属性加权方面：将变精度粗糙集理论应用到贝叶斯分类算法中，提出了一种基

6、于变精度粗糙集的属性加权朴素贝叶斯分类算法(AwNB．vPRS)。该算法采用变精度粗糙集方法来确定属性的重要程度，综合考虑了属性的加权近似精度和属性的信息增益。实验结果表明AWNB．VPRS模型在许多领域比基于传统粗糙集的贝叶斯分类模型更有效。3)实际应用方面：将所提算法应用于冠心病中医诊疗临床规律的分析挖掘中，建立了冠心病中医辨证诊断模型，在一定程度上进一步验证了算法的有效性。关键词：分类算法；朴素贝叶斯；频繁项集；变精度粗糙集；冠心病中医诊疗ABSTRACTNaheBayes(NB)isoneofthemostimportantclassificationalgorithmsindat

7、amining．IthasmaIlyfeatherssuchassimple，fastandstablecomparedtoothermethods·NBhasastrongindependenceassumptionbetweenpredictiveattributesglVentheclassvaluewhichwouldhaHnitsperformanceasinmanyrealapplicationsthecon