动态朴素贝叶斯网络分类器的特征子集选择  

FEATURE SUBSET SELECTION FOR DYNAMIC NAIVE BAYESIAN NETWORK CLASSIFIER

作　　者：余民杰[1,2] 王双成[1,3] 杜瑞杰[1] 

机构地区：[1]上海立信会计学院数学与信息学院,上海201620 [2]云南财经大学信息学院,云南昆明650221 [3]上海立信会计学院开放经济与贸易研究中心,上海201620

出　　处：《计算机应用与软件》2012年第2期57-59,共3页Computer Applications and Software

基　　金：国家自然科学基金(60675036);教育部人文社科基金(09YJA630099);上海市教委重点学科建设项目(J51702);上海市教委科研创新重点项目(09zz202)

摘　　要：分类准确性是分类器最重要的性能指标,特征子集选择是提高分类器分类准确性的一种有效方法。现有的特征子集选择方法主要针对静态分类器,缺少动态分类器特征子集选择方面的研究。首先给出具有连续属性的动态朴素贝叶斯网络分类器和动态分类准确性评价标准,在此基础上建立动态朴素贝叶斯网络分类器的特征子集选择方法,并使用真实宏观经济时序数据进行实验与分析。Classification accuracy is the most important performance indicator of classifiers.Feature subset selection is an effective method for improving the classification accuracy of classifiers.Existing methods of feature subset selection are mainly for static classifiers,while the research on dynamic classifier feature subset selection is rare.In this paper,the dynamic nave Bayesian network classifier with continuous attributes and the accuracy evaluation criterion for dynamic classification are presented first.A selection method of feature subset of dynamic nave Bayesian network classifier is developed based on this,while the actual macroeconomic time series data are used to carry out the experiments and analyses.

关 键 词：动态朴素贝叶斯网络 分类器 特征子集选择 高斯核函数 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]