混合树增广朴素贝叶斯分类模型  

Mixed tree augmented Naive Bayes classifier model

作　　者：崔丽梅[1] 郝志峰[2] 廖芹[1] 

机构地区：[1]华南理工大学数学科学学院,广东广州510640 [2]华南理工大学计算机与科学工程学院,广东广州510640

出　　处：《计算机工程与设计》2009年第9期2254-2256,2273,共4页Computer Engineering and Design

基　　金：国家自然科学基金项目(10471045);国家新世纪优秀人才计划基金项目(NCET-05-0734);教育部人文社科基金项目(2005-241)

摘　　要：树增广朴素贝叶斯分类算法(TANC)虽然降低了朴素贝叶斯分类算法(NBC)的条件独立性约束,但是该模型同时又要求每个条件属性结点(除树的根结点外)都有两个父结点,这种限制同样降低了分类的正确率。因此,提出了一种基于粗糙集理论的混合树增广朴素贝叶斯分类模型(MTANC)。通过在UCI数据集上的仿真实验,验证了该方法的有效性。Although tree augmented Naive Bayes classifier（TANC） model reduces the independence assumption restriction of Naive Bayesian classifier（NBC） model,the model requires each attribute note（except for the root note） to own two parents,which has decreased the accuracy rate of classification.So a new Bayesian model mixed tree augmented Naive Bayes classifier（MTANC） based on the rough set theory is presented.The validity of the approach is established by the simulated experiment of UCI data set.

关 键 词：数据挖掘 贝叶斯 树增广朴素贝叶斯分类 混合的树增广朴素贝叶斯分类 粗糙集 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]