增量式贝叶斯分类的原理和算法

被引：7

作者：

李晓毅

徐兆棣

机构：

[1] 沈阳师范大学数学与系统科学学院

来源：

沈阳工业大学学报 | 2006年 / 04期

关键词：

增量学习; 贝叶斯分类; 类别标签; 分类算法; 贝叶斯网络;

D O I：

暂无

中图分类号：

O212.8 [贝叶斯统计];

学科分类号：

摘要：

自动分类是数据挖掘和机器学习中非常重要的研究领域.针对难以获得大量有类标签的训练集问题,提出了基于小规模训练集的增量式贝叶斯分类,给出增量式贝叶斯分类机理参数计算及其算法.对算法分两种情况处理:第一种情况是新增样本有类别标签,则利用现有分类器检验其类标签,如果匹配则保留当前分类器,否则利用新样本修正分类器;第二种情况是新增样本无类别标签,则利用现有分类器为其训练类标签,然后利用新样本来修正分类器.实验结果表明,该算法是可行有效的,比简单贝叶斯分类算法有更高的精度.增量式贝叶斯分类算法的提出为分类器的更新提供了一条新途径.

引用

页码：422 / 425+433 +433

页数：5