检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

属性加权朴素贝叶斯算法的研究与改进

属性加权朴素贝叶斯算法的研究与改进

作者：周小亮南京林业大学

学位级别：硕士

在信息技术、大数据和人工智能迅猛发展的背景下,数据已经成为新时代生产要素的核心,为数字经济和数字中国铺设坚实基础,同时转变为国家战略层面的重要资源。数据挖掘作为一种决策支持技术,旨在分析数据内部的模式和规律,从而发掘海量... 详细信息

在信息技术、大数据和人工智能迅猛发展的背景下,数据已经成为新时代生产要素的核心,为数字经济和数字中国铺设坚实基础,同时转变为国家战略层面的重要资源。数据挖掘作为一种决策支持技术,旨在分析数据内部的模式和规律,从而发掘海量数据中蕴含的潜在价值信息。分类技术作为数据挖掘领域的一个核心分支,通过深度分析现实世界的信息,提炼有价值的元素,实现数据预测和分类任务的完成。朴素贝叶斯分类算法作为分类算法之一,因其简单、易实现和高计算效率而受到广泛关注和应用。属性加权算法可以有效缓解朴素贝叶斯分类算法的属性独立性假设,大多数基于过滤法的属性加权算法均使用单一指标来表示数据的特征。然而真实数据分布的存在复杂性,单一指标往往无法准确的判定数据的分类信息。针对上述问题,本文提出自适应双指标融合的属性加权朴素贝叶斯算法(ATFNB)。该算法为给定数据集构建两个数据关联特征指标集合CA和AA,从构建的指标集合CA和AA中分别取一个指标作为融合指标。为了保证融合指标的最优性能,引入调节因子,并提出一种区间搜索方法RQRF实现快速确定调节因子取值。根据调节因子调整两个指标比例并获得属性权重,进而生成加权贝叶斯分类器。在UCI数据集和Flavia叶片数据集上实验结果表明,本文算法在不额外增加时间成本的情况下,可获得较高的分类准确度。ATFNB算法讨论了单视图空间下贝叶斯分类器的分类性能,但真实世界数据表现形式具有多态性,提取数据的不同视图将获得更多的分类信息。针对上述思路,本文提出一种基于多视图梯度混合的加权朴素贝叶斯算法(MGBWNB)。根据实例的预测值分别构建KNN和SPODEs标签视图,连接原始视图与两个标签视图构建增广视图。为了避免模型过拟合,使用新的损失函数和基于梯度的视图融合策略,采用循环自监督方式调整计算视图性能并反馈权重。UCI数据集上实验结果表明,所提出的算法相比于已有的加权算法在分类性能上有显著的提升,消融实验进一步论证了算法的可行性。综上所述,属性加权的朴素贝叶斯算法通过给数据集中每个属性分配不同的权重,有效的减轻了朴素贝叶斯中属性独立假设的影响,不仅保持了朴素贝叶斯分类器简单、易实现和高效特点,同时,提高了分类器的准确性和可靠性。

关键词：数据挖掘朴素贝叶斯分类算法属性加权视图融合

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

属性加权的类属型数据非模聚类

软件学报 2013年第11期24卷 2628-2641页

作者：陈黎飞郭躬德福建师范大学数学与计算机科学学院福建福州350108

类属型数据广泛分布于生物信息学等许多应用领域,其离散取值的特点使得类属数据聚类成为统计机器学习领域一项困难的任务.当前的主流方法依赖于类属属性的模进行聚类优化和相关属性的权重计算.提出一种非模的类属型数据统计聚类方法.首... 详细信息

类属型数据广泛分布于生物信息学等许多应用领域,其离散取值的特点使得类属数据聚类成为统计机器学习领域一项困难的任务.当前的主流方法依赖于类属属性的模进行聚类优化和相关属性的权重计算.提出一种非模的类属型数据统计聚类方法.首先,基于新定义的相异度度量,推导了属性加权的类属数据聚类目标函数.该函数以对象与簇之间的平均距离为基础,从而避免了现有方法以模为中心导致的问题.其次,定义了一种类属型数据的软子空间聚类算法.该算法在聚类过程中根据属性取值的总体分布,而不仅限于属性的模,赋予每个属性衡量其与簇类相关程度的权重,实现自动的特征选择.在合成数据和实际应用数据集上的实验结果表明,与现有的基于模的聚类算法和基于蒙特卡罗优化的其他非模算法相比,该算法有效地提高了聚类结果的质量.

关键词：聚类类属型数据模属性加权

在线全文

学校读者我要写书评

暂无评论

含属性加权模糊序决策信息系统的近似约简

南京大学学报（自然科学版） 2022年第2期58卷 255-263页

作者：徐伟华孔子默陈曜琦西南大学人工智能学院重庆400715

为保证关键属性在属性约简时能够被保留,可对信息系统的属性进行加权,从而提高关键属性的影响力.基于此,在属性加权的模糊序决策信息系统中建立了上、下近似约简的模型,得到两种约简的判定定理,并且给出求解上、下近似约简的辨识矩阵以... 详细信息

为保证关键属性在属性约简时能够被保留,可对信息系统的属性进行加权,从而提高关键属性的影响力.基于此,在属性加权的模糊序决策信息系统中建立了上、下近似约简的模型,得到两种约简的判定定理,并且给出求解上、下近似约简的辨识矩阵以及约简方法.最后,通过实例验证了该约简方法的有效性.

关键词：辨识矩阵模糊序决策信息系统属性加权近似约简

不平衡数据分类的类依赖属性加权朴素贝叶斯算法改进

在线全文

学校读者我要写书评

暂无评论

应用数学 2022年第2期35卷 463-468页

作者：樊顺星李楚进沈澳华中科技大学数学与统计学院湖北武汉430074 华盛顿大学文理学院华盛顿西雅图98195

朴素贝叶斯分类器(Naïve Bayes,NB)是一种简单而有效的分类器,特别适用于中小规模数据分类.但作为以整体分类正确率为指导的传统分类方法,它在不平衡数据分类中对少数类的分类能力较弱.针对此问题,本文采用属性加权的方法增强朴素贝叶... 详细信息

朴素贝叶斯分类器(Naïve Bayes,NB)是一种简单而有效的分类器,特别适用于中小规模数据分类.但作为以整体分类正确率为指导的传统分类方法,它在不平衡数据分类中对少数类的分类能力较弱.针对此问题,本文采用属性加权的方法增强朴素贝叶斯对于少数类的分类能力.类依赖属性加权朴素贝叶斯(class-specific attribute weighted naïve Bayes,CAWNB)是一种有效的属性加权朴素贝叶斯算法.本文通过在条件对数似然(conditional log-likelihood,CLL)和均方差(mean squared error,MSE)目标函数中引入平衡系数λ,提出了两个新的目标函数λ-CLL和λ-MSE,并进一步提出了通过最大化λ-CLL或最小化λ-MSE确定最优权重值的两个不平衡数据分类算法CAWNB^(λ-CCL)和和CAWNB^(λ-MSE).在不平衡的UCI数据集上的实验表明,这样的属性加权可以增强朴素贝叶斯对于少数类的分类能力,同时不会过分破坏其的总体分类能力.

关键词：不平衡数据分类朴素贝叶斯属性加权

基于距离和属性加权的FWKNN室内定位方法

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2022年第8期39卷 450-455页

作者：缪颖朱正伟诸燕平常州大学微电子与控制工程学院江苏常州213164

为了提高基于接收信号强度(received signal strength,RSS)的WiFi指纹定位方法的定位精度,提出基于距离和属性加权的室内定位方法(feature weighted K-nearest neighbors,FWKNN)。首先,对不同距离的主特征RSS进行权重分配计算加权距离;... 详细信息

为了提高基于接收信号强度(received signal strength,RSS)的WiFi指纹定位方法的定位精度,提出基于距离和属性加权的室内定位方法(feature weighted K-nearest neighbors,FWKNN)。首先,对不同距离的主特征RSS进行权重分配计算加权距离;然后,用加权距离与离线指纹库进行匹配确定未知位置,对K近邻算法进行了改进;最后,利用卡尔曼滤波精确定位结果,进一步提升定位精度。上述算法结合了距离加权和属性加权的优点,能够更准确的计算各点的距离并选择合适的最近邻点。实验结果表明,FWKNN与KNN和GWKNN相比平均定位精度分别提升了34.6%和27.1%。

关键词：信号接收强度指纹定位属性加权卡尔曼滤波

在线全文

学校读者我要写书评

暂无评论

自适应属性加权近邻传播聚类算法

电子科技大学学报 2018年第2期47卷 247-255页

作者：李海林魏苗华侨大学信息管理系福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果... 详细信息

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。

关键词：自适应聚类近邻传播聚类评价属性加权相似性度量

在线全文

学校读者我要写书评

暂无评论

一种基于信息熵的混合数据属性加权聚类算法

计算机研究与发展 2016年第5期53卷 1018-1028页

作者：赵兴旺梁吉业山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

同时兼具数值型和分类型属性的混合数据在实际应用中普通存在,混合数据的聚类分析越来越受到广泛的关注.为解决高维混合数据聚类中属性加权问题,提出了一种基于信息熵的混合数据属性加权聚类算法,以提升模式发现的效果.工作主要包括:首... 详细信息

同时兼具数值型和分类型属性的混合数据在实际应用中普通存在,混合数据的聚类分析越来越受到广泛的关注.为解决高维混合数据聚类中属性加权问题,提出了一种基于信息熵的混合数据属性加权聚类算法,以提升模式发现的效果.工作主要包括:首先为了更加准确客观地度量对象与类之间的差异性,设计了针对混合数据的扩展欧氏距离;然后,在信息熵框架下利用类内信息熵和类间信息熵给出了聚类结果中类内抱团性及一个类与其余类分离度的统一度量机制,并基于此给出了一种属性重要性度量方法,进而设计了一种基于信息熵的属性加权混合数据聚类算法.在10个UCI数据集上的实验结果表明,提出的算法在4种聚类评价指标下优于传统的属性未加权聚类算法和已有的属性加权聚类算法,并通过统计显著性检验表明本文提出算法的聚类结果与已有算法聚类结果具有显著差异性.

关键词：聚类分析混合数据属性加权信息熵相异性度量

在线全文

学校读者我要写书评

暂无评论

一种局部属性加权朴素贝叶斯分类算法

北京交通大学学报 2018年第2期42卷 14-21页

作者：张伟王志海原继东刘海洋北京交通大学计算机与信息技术学院北京100044

朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了... 详细信息

朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了每个测试实例所具有的特点,同时从整个训练集上学习到的属性权重并不能准确反映每个属性对待分类实例的影响.为此提出一种基于数据驱动的懒惰式局部属性加权方法,它在每个测试实例的近邻集合上学习属性权重,并通过最优化方法建立相应的局部属性加权朴素贝叶斯模型.实验结果表明:和当前常见的准朴素贝叶斯模型相比,本文模型具有较高的分类准确率.

关键词：朴素贝叶斯懒惰式属性加权局部加权

在线全文

学校读者我要写书评

暂无评论

一种基于信息熵加权的属性约简算法研究

计算机应用研究 2023年

作者：罗帆蒋瑜成都信息工程大学软件工程学院

针对现有领域粗糙集模型中存在属性权重都相同，无法保证关键属性在属性约简时能够被保留的问题，提出了一种基于信息熵加权的属性约简算法。首先，采用了类间熵、类内熵策略，以最大化类间熵最小化类内熵为原则给属性赋予权重；其次，... 详细信息

针对现有领域粗糙集模型中存在属性权重都相同，无法保证关键属性在属性约简时能够被保留的问题，提出了一种基于信息熵加权的属性约简算法。首先，采用了类间熵、类内熵策略，以最大化类间熵最小化类内熵为原则给属性赋予权重；其次，构造了基于加权领域关系的加权领域粗糙集模型；最后，基于依赖关系评估属性子集的重要性从而实现属性约简。在基于UCI数据集上与其他三种属性约简算法进行对比实验，结果表明，该算法能够有效去除冗余，提高分类精度。

关键词：属性约简领域粗糙集属性加权信息熵