| 信度网分类器 |
| |
| 引用本文： | 邢永康,沈一栋.信度网分类器[J].重庆大学学报(自然科学版),2000,23(5):49-52,77. |
| |
| 作者姓名： | 邢永康 沈一栋 |
| |
| 作者单位： | 重庆大学计算机学院!重庆400044 |
| |
| 基金项目： | 国家自然科学基金 ( 69883 0 0 9)，教育部跨世纪优秀人才基金 |
| |
| 摘 要： | 分类问题是人工智能中机器学习研究的一个重要问题，它在模式识别、故障诊断以及数据挖掘等领域有着广泛的应用。利用信度网可以构造出分类性能更好的分类器。文章着重探讨了Naive Bayes分类器，增强的Naive Bayes分类器和通用信度网分类器的构造方法，并分析比较了这三类分类器的优缺点。
|
| 关 键 词： | 分类器 信度网 机器学习 人工智能 |
Belief Network Classifier |
| |
| XING Yong kang,SHEN Yi dong.Belief Network Classifier[J].Journal of Chongqing University(Natural Science Edition),2000,23(5):49-52,77. |
| |
| Authors: | XING Yong kang SHEN Yi dong |
| |
| Abstract: | Classification is an important research area in Artificial Intelligence, which has a broad range of applications such as pattern recognition, diagnosis, data mining, and so on. A best classifier can be built by using belief networks. This paper mainly discusses how to build the Naive Bayes classifiers, the Augmented Naive Bayes classifiers, and the General Belief Network classifiers. Their respective advantages and shortcomings also be shown by a detailed comparison. |
| |
| Keywords: | classifier belief networks machine learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《重庆大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆大学学报(自然科学版)》下载免费的PDF全文 |
