基于KL距离的TAN分类器判别性学习方法
Discriminative Learning of TAN Classifier Based on KL Divergence作者机构：北京交通大学计算机与信息技术学院北京100044
出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)
年 卷 期：2008年第21卷第6期
页 面：806-811页
核心收录：
学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
主 题：树增强朴素贝叶斯(TAN)分类器 判别性学习 KL距离 EAR
摘 要：树增强朴素贝叶斯(TAN)分类器在模型的复杂性和分类精度之间实现较好折衷,成为当前分类器学习的一个研究热点.为了提高 TAN 分类器的分类准确率,本文提出一种基于 KL 距离的 TAN 分类器判别性学习方法.首先用 EAR 方法学习 TAN 分类器的结构,然后用基于 KL 距离的目标函数优化 TAN 的参数.在标准数据集上的实验结果表明,用该方法学习的 TAN 分类器具有较高的分类精度.
维普期刊数据库
同方期刊数据库