排序方式: 共有65条查询结果,搜索用时 0 毫秒
1.
一种限定性的双层贝叶斯分类模型 总被引:28,自引:1,他引:28
朴素贝叶斯分类模型是一种简单而有效的分类方法,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系,影响了它的分类性能.通过分析贝叶斯分类模型的分类原则以及贝叶斯定理的变异形式,提出了一种基于贝叶斯定理的新的分类模型DLBAN(double-level Bayesian network augmented naive Bayes).该模型通过选择关键属性建立属性之间的依赖关系.将该分类方法与朴素贝叶斯分类器和TAN(tree augmented naive Bayes)分类器进行实验比较.实验结果表明,在大多数数据集上,DLBAN分类方法具有较高的分类正确率. 相似文献
2.
传统的属性约简方法将整个数据集一次性装入内存,很难适应大数据背景下的数据分析。为此文中提出基于粒计算与区分能力的属性约简算法。该算法运用统计学中的分层抽样技术,拆分原始大数据集为多个样本子集(粒),在每个粒上运用属性的区分能力进行属性约简,最后将各粒约简结果进行加权融合,得到原始大数据集的属性约简结果。实验表明该算法对海量数据集进行属性约简的可行性和高效性。 相似文献
3.
4.
5.
6.
8.
采用发射光谱仪、元素分析、原子吸收、差热、热重、扫描电镜等方法,分析研究了辽阳石化分公司(LYPC)精己二酸装置洗涤塔填料上的堵塞物。堵塞物中含有的化学元素有C,H,N,Fe,Ni,Ca,Na,Cu等,以CaCO3等结垢物和微生物等形态存在。推断了堵塞物的形成原因是洗涤水长期循环累积和微生物的沉积。研究了除去堵塞物的方法,在工艺上,采用63%的浓硝酸除去了堵塞物;采取了向洗涤水中加入杀生剂和新型阻垢剂的预防措施,取得了良好的效果。 相似文献
9.
10.
考虑因子数据的数据特征,采用连续属性服从正态分布的朴素贝叶斯分类方法,对因子分析降维前后数据集的分类性能变化进行了研究.实验结果表明:因子分析中的KMO(Kaiser—Meyer—Olkin)统计值和变量共同度与分类性能紧密相关,当KMO统计值大于0.8,并且只有很少属性的变量共同度值小于80%时,采用因子分析作为分类之前的降维是适宜的. 相似文献