基于相关系数加权朴素信念分类模型  

Weighted naive credal classification model based on correlation coefficients

作　　者：祁瑞华[1,2] 杨德礼[1] 胡润波[1] 

机构地区：[1]大连理工大学管理学院系统工程研究所,辽宁大连116024 [2]大连外国语学院现代教育技术中心,辽宁大连116044

出　　处：《计算机工程与设计》2010年第22期4824-4826,4861,共4页Computer Engineering and Design

基　　金：国家自然科学基金项目(70672092);国家自然科学基金重大项目(708890080)

摘　　要：针对目前大多数分类器简单抛弃缺失数据的问题,基于朴素信念分类提出了一种有缺失值实例的加权保守推理规则的分类算法。以数据集特征属性与决策属性之间的相关系数作为权值,根据有缺失值实例加权保守推理规则对有非随机缺失属性的待分类实例所有可能的类别进行选择。实验结果表明,提出的基于有缺失值实例的加权保守推理规则分类算法有效地提高了分类性能,是一种有效的缺失数据集分类算法。Aimed at the ignorance arising from missing data, the weighted conservative inference rule classifier based on correlation coefficients is proposed, in which the prediction class is selected form a set of possible classes according to the weighted conservative inference rule. The weights are the corresponding correlation coefficients between the feature attributes and the decision attribute. Simulation results of a variety of UCI data sets verify the effectiveness of this algorithm.

关 键 词：分类 相关系数 权重 缺失数据 贝叶斯 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]