基于K-均值聚类的朴素贝叶斯网络分类模型OA
A Naive Bayesian Network Classification Model Based on K-means Clustering
针对朴素贝叶斯网络分类模型在处理高维大数据量时的效率偏低和准确率有待提高的问题,结合主元分析法与K-均值聚类算法构造出了一个改进的朴素贝叶斯网络分类模型;摒弃了非类属性变量相对于类属性变量相对独立的前提条件,算法首先用主元分析法在对数据集的信息量尽量保存的同时进行了降维操作,使得算法可以着重于进行分类问题;算法还提出了一个＂相对融合点＂的概念,有效地提高了算法的性能;最后对算法的性能进行了分析,并将改进的算法应用到实际的数据集进行实验,用算法产生…查看全部>>
According to the low efficiency and low accuracy of the naive Bayesian network classification model in dealing with large number of high-dimensional data, by combining Principal Component Analysis and K-means clustering algorithm, this paper gives an improved Navve Bayesian network classification model. The model abandoned the premise for the relative independence between non-class attribute variables and class attribute variables. Firstly, we use principal …查看全部>>
刘亚辉;王越;谭暑秋
重庆理工大学计算机科学与工程学院,重庆400054重庆理工大学计算机科学与工程学院,重庆400054重庆理工大学计算机科学与工程学院,重庆400054
计算机与自动化
贝叶斯网络分类朴素贝叶斯网络K-均值聚类数据挖掘
Bayesian network classificationNaive Bayesian networkK-means clusteringdata mining
《重庆工商大学学报：自然科学版》 2012 (8)
36-41,6
重庆市科技攻关资金资助项目（CSTC,2009AC2068）.
评论