基于Foley-Sammon变换的朴素贝叶斯分类器  

NAVE BAYESIAN CLASSIFIER WITH FOLEY-SAMMON TRANSFORM

作　　者：邹丽珊[1] 陈振洲[2] 

机构地区：[1]广州城市职业学院信息与汽车工程学院,广东广州510405 [2]华南师范大学计算机学院,广东广州510631

出　　处：《华南师范大学学报（自然科学版）》2011年第4期63-66,共4页Journal of South China Normal University(Natural Science Edition)

基　　金：广州市属高校科技攻关青年项目(08B027)

摘　　要：朴素贝叶斯分类器是机器学习领域中一种重要的分类算法,根据该算法的前提,利用Foley-Sammon变换算法进行特征提取,提出了一种基于Foley-Sammon变换的朴素贝叶斯分类器NBFST(Na ve Bayesian Classifier with Foley-Sammon Transform).结果表明,NBFST能够在大多数数据集上具有较高的分类准确率.As an important classifying method in machine learning,Nave Bayesian classifier is based on the assumption that the attribute values are conditionally independent with given target values.According to this assumption,a Nave Bayesian classifier with Foley-Sammon Transform NBFST is proposed.The NBFST is compared with NB（Nave Bayesian）,NBPCA（Nave Bayesian with principle component analysis） and NBFDA（Nave Bayesian with Fisher Discriminant Analysis） by experiments.Experiment results show that NBFST has higher accuracy than other classifying methods in most data sets.

关 键 词：Foley-Sammon变换 朴素贝叶斯 特征提取 条件独立 机器学习 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]