收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

增强型朴素贝叶斯学习

王实  高文  
【摘要】:正 朴素贝叶斯是一种分类监督学习方法。在理论上,应用其前提为例子的属性值独立于例子的分类属性。这个前提在实际应用中过于严格,常常得不到满足,即使是这样,在违反该前提的情况下,朴素贝叶斯学习方法仍然取得了很大的成功。近来,一种改进的朴素贝叶斯方法,增强(Boost-ing),受到广泛的关注,AdaBoost方法是其主要方法。当AdaBoost方法被用于联合几个朴素贝叶斯分类器时,其在数学上等价于一个具有稀疏编码输入,单隐层节点,sigmoid激活函数的反馈型神经网络。

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 沈奇;王池社;;生物缺失数据处理的贝叶斯模型研究[J];微电子学与计算机;2011年07期
2 王洪涛;李霆;黄振锋;;基于视觉诱发电位脑机接口的四自由度机械手控制系统设计[J];机床与液压;2011年13期
3 徐久成;李晓艳;孙林;;一种基于概率粗糙集模型的图像语义检索方法[J];南京大学学报(自然科学版);2011年04期
4 程险峰;李军;李雄飞;;一种基于欠采样的不平衡数据分类算法[J];计算机工程;2011年13期
5 谭建辉;;基于遗传算法和BP模糊神经网络的红外步态识别[J];现代电子技术;2011年12期
6 薄树奎;刘华;;类别划分对特定类别信息提取的影响[J];计算机工程与应用;2011年24期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前6条
1 李海军;王钲旋;王利民;苑森淼;;基于贝叶斯网络的回归树学习算法[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
2 李晓波;;集成分类对比:Bagging NB & Boosting NB[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年
3 张文波;蒋春华;姚天昉;;基于贝叶斯及多模式串模糊匹配算法的不良短消息甄别混合模型[A];中国计算语言学研究前沿进展(2009-2011)[C];2011年
4 王波;王厚峰;;基于自学习策略的产品特征自动识别(英文)[A];内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集[C];2007年
5 程泽凯;泰锋;;贝叶斯网络分类器结构学习:基于启发式的G2算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
6 杨源;马云龙;林鸿飞;;基于权重标准化SimRank与半监督学习的产品属性归类[A];中国计算语言学研究前沿进展(2009-2011)[C];2011年
中国博士学位论文全文数据库 前7条
1 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年
2 张聪;基于信度网的不确定性推理、学习与分类研究[D];重庆大学;2005年
3 蒋良孝;朴素贝叶斯分类器及其改进算法研究[D];中国地质大学;2009年
4 尚文倩;文本分类及其相关技术研究[D];北京交通大学;2007年
5 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年
6 陈景年;选择性贝叶斯分类算法研究[D];北京交通大学;2008年
7 魏松;人机对话系统中若干关键问题研究[D];北京邮电大学;2007年
中国硕士学位论文全文数据库 前10条
1 郝丽锋;朴素贝叶斯分类器的集成学习方法研究[D];河北大学;2009年
2 高岩;朴素贝叶斯分类器的改进研究[D];华南理工大学;2011年
3 王国才;朴素贝叶斯分类器的研究与应用[D];重庆交通大学;2010年
4 胡为成;基于遗传算法的朴素贝叶斯分类研究[D];合肥工业大学;2006年
5 王峻;朴素贝叶斯分类模型的研究与应用[D];合肥工业大学;2006年
6 李方;关于朴素贝叶斯分类算法的改进[D];重庆大学;2009年
7 李晋松;基于朴素贝叶斯的网页自动分类技术研究[D];北京化工大学;2008年
8 施轶青;监督学习下的贝叶斯分类器研究[D];西安电子科技大学;2011年
9 周龙;基于朴素贝叶斯的分类方法研究[D];安徽大学;2006年
10 姚天韵;入侵检测中的贝叶斯分类器的研究[D];大连交通大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978