共 1 条
[1]
基于粗集的贝叶斯分类器算法
被引：23
作者：
郑建军
刘炜
刘玉树
王蕾
机构：
[1] 北京理工大学信息科学技术学院计算机科学工程系,中软网络技术有限公司,北京理工大学信息科学技术学院计算机科学工程系,北京理工大学信息科学技术学院计算机科学工程系北京,北京,北京,北京
来源：
关键词：
贝叶斯分类器;
数据挖掘;
粗糙集;
属性约简;
威胁度估计;
D O I：
暂无
中图分类号：
TP18 [人工智能理论];
学科分类号：
140502 [人工智能];
摘要：
C3 I系统在解决威胁度估计等问题时 ,应根据环境恰当确定影响威胁度等指标的诸属性 .提出了基于粗集的贝叶斯分类器算法 ,该算法在基于粗集的属性约简方法的基础上 ,综合考虑条件属性和决策属性间的依赖性以及条件属性间的依赖性对约简的影响 .通过基于依赖性的属性约简 ,改善属性变量间独立性限制 ,发挥贝叶斯分类器的鲁棒性潜能 ,优化贝叶斯分类器性能 .实验证明用该方法解决威胁度估计等 C3 I系统中的问题 ,效果良好 .
引用
收藏
页码：83 / 86
页数：4
相关论文