基于属性分组的扩展朴素贝叶斯分类器

作     者：王峻 WANG Jun

作者机构：淮南师范学院计算机学院安徽淮南232001 

出 版 物：《洛阳理工学院学报（自然科学版）》 (Journal of Luoyang Institute of Science and Technology：Natural Science Edition)

年 卷 期：2021年第31卷第3期

页      面：85-88,93页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省高等学校省级自然科学研究项目(KJ2019A0695) 

主　　题：属性分组 朴素贝叶斯 扩展 x^(2)统计 

摘      要：朴素贝叶斯分类器的一种改进方法就是突破属性独立性假设的限制,表达属性间的相关性。但过多地表达属性间的相关性会增加扩展朴素贝叶斯分类器的复杂度。x^(2)统计是属性间相关性的度量方法,通过对属性相关性的度量,对属性进行分组,将相关性较强的属性分在一组,各个属性分组之间相互条件独立。只在各个属性分组内通过添加有向边的方式表达相关属性间的相关性,将朴素贝叶斯分类器的扩展限定在每个属性分组内,从而简化扩展朴素贝叶斯分类器的结构,提高分类正确率。