灵活的增强朴素贝叶斯分类器  

Flexible Augmented Naive Bayesian Classifier

作　　者：李旭升[1] 郭耀煌[1] 

机构地区：[1]西南交通大学经济管理学院,四川成都610031

出　　处：《信息与控制》2007年第6期690-695,701,共7页Information and Control

基　　金：国家自然科学基金资助项目(70371026);四川省教育厅科研资助项目(2006C082)

摘　　要：提出了一种新颖的基于最小描述长度(Minimum Description Length,MDL)准则的灵活的增强朴素贝叶斯分类器(Flexible Augmented Naive Bayesian classifier,FAN)算法.该算法能够根据数据集自适应地匹配从朴素贝叶斯分类器(Naive Bayesian classifier,NB)到树增强朴素贝叶斯分类器(Tree Augmented NaiveBayesian classifier,TAN)的网络结构,且保持了TAN计算简单和鲁棒性的特点.在UCI数据集上用分层交叉验证的方法对NB、TAN、FAN算法进行测试,实验结果表明FAN算法具有良好的分类精度.A new flexible augmented naive Bayesian classifier （FAN） algorithm based on the minimum description length （MDL） rule is proposed. According to data sets, this algorithm is able to adapt itself to match network structures from naive Bayesian classifiers （NB） to tree augmented naive classifiers （TAN）, and maintains the computational simplicity and robustness that characterize TAN. NB, TAN and FAN are tested by stratification-cross-validation on the sets of UCI, and the experiment results show that the FAN algorithm holds a good classification accuracy.

关 键 词：贝叶斯网 朴素贝叶斯分类器 树增强朴素贝叶斯分类器 最小描述长度准则 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]