层次朴素贝叶斯分类器构造算法及应用研究

被引：9

作者：

范敏

石为人

机构：

[1] 重庆大学自动化学院

来源：

仪器仪表学报 | 2010年 / 31卷 / 04期

关键词：

贝叶斯网络; 分类器; 结构学习; 富营养化;

D O I：

10.19650/j.cnki.cjsi.2010.04.010

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

贝叶斯网络分类器是数据挖掘与知识发现领域研究的主要方法之一。层次朴素贝叶斯分类器通过引入潜在节点来实现属性变量间存在聚集的层次关系,提出学习该分类器的构造算法。算法首先借助节点间的条件互信息值来锁定可能聚集节点的范围,然后再通过模拟退火算法来搜索评分较高的模型。层次朴素贝叶斯分类器的结构特点适于构造水质富营养化评价模型,应用于水质预警系统的结果证明该方法可行,并具有较好的适用效果。

引用

页码：776 / 781

页数：6

共 5 条

[1]

三峡库区水体富营养化研究[D]. 钟成华.四川大学 2004

[2]

三峡库区富营养化研究[M]. 中国环境科学出版社 , 邓春光, 2007

[3]

Classification using Hierarchical Na?ve Bayes models[J] . Helge Langseth,Thomas D. Nielsen.Machine Learning . 2006 (2)

[4] Bayesian Network Classifiers [J].

Nir Friedman ;

Dan Geiger ;

Moises Goldszmidt .

Machine Learning, 1997, 29 :131-163

[5]

Data Mining: Concepts and Techniques. Han Jiawei, Kanber Micheline. Higher Education Press . 2001

← 1 →