基于R-vine Copula理论的改进朴素贝叶斯分类器

朴素贝叶斯分类方法在分类时,基于属性之间的独立性假设影响了其分类性能。基于此在R-vine Copula理论的基础上,利用一系列Pair Copula函数和核密度函数的乘积来构造属性的类条件概率密度函数,并通过AIC准则选取最合适的Pair Copula函数,用极大似然估计法确定其参数。实验结果表明,改进的分类器提高了分类的准确率,避免了因属性相关导致的分类效果的偏差。