| 基于贝叶斯网络的分类器研究 |
| |
| 引用本文： | 周颜军,王双成,王辉.基于贝叶斯网络的分类器研究[J].东北师大学报(自然科学版),2003,35(2):21-27. |
| |
| 作者姓名： | 周颜军 王双成 王辉 |
| |
| 作者单位： | 1. 东北师范大学计算机科学系,吉林,长春,130024
2. 吉林大学计算机科学与技术学院,吉林,长春,130025 |
| |
| 基金项目： | 科学技术部国家软科学研究项目(Z99015) |
| |
| 摘 要： | 研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．
|
| 关 键 词： | 贝叶斯网络 分类器 归纳学习 |
| 文章编号： | 1000-1832(2003)02-0021-07 |
| 修稿时间： | 2003年3月14日 |
Research for the classifiers based on Bayesian networks |
| |
| Abstract: | The classification is an important and basic ability for human obtained by learning.It has been considered as a key research area in machine learning,pattern recognition and data mining.In this paper,the representative classifiers in Bayes classifier family are studyed.They are naive Bayesian classifiers,Bayesian network classifiers and tree augmented naive Bayesian classifiers .They are also important members in whole classifier family.It is proved that a TAN classifier is optimal in tree classifiers. |
| |
| Keywords: | Bayesian networks classifier induction learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
