朴素贝叶斯分类模型的研究与应用

朴素贝叶斯分类器是一种简单而高效的分类器,基于朴素贝叶斯技术的分类是当前数据挖掘领域的一个研究热点。本文以突破朴素贝叶斯分类模型属性间独立性假设限制为研究内容,从两个方面对朴素贝叶斯分类模型进行了深入的研究,并将朴素贝叶斯分类模型应用于指导学生选择专业方向。 本文主要工作如下: (1) 基于属性相关性分析是改进朴素贝叶斯分类模型的结构。通过分析属性相关性度量和进行属性约简,得到满意的属性约简子集。在此基础上提出一种基于属性相关性度量的朴素贝叶斯分类模型EANBC。实验结果表明,与朴素贝叶斯分类模型相比,EANBC分类模型具有较高的分类正确率。 (2) 基于强属性限定是对朴素贝叶斯分类模型的结构进行了扩展。通过分析贝叶斯定理的变形公式和属性相关性度量,提出一种基于强属性限定的贝叶斯分类模型SANBC。实验结果表明,与朴素贝叶斯分类模型相比,SANBC分类模型具有较高的分类正确率。 (3) 将朴素贝叶斯分类模型应用于指导学牛选择专业方向。通过建立专业方向选择的朴素贝叶斯分类模型,充分利用以往各届学生选择专业方向的先验知识,指导学生根据自己的专业知识结构以及专业知识的掌握程度科学合理地选择专业方向。