特征加权朴素贝叶斯分类器在小样本中的应用  

作　　者：华锐[1] 梁娜[1] 

机构地区：[1]咸宁学院数学与统计学院,湖北咸宁437000

出　　处：《统计与决策》2012年第23期69-71,共3页Statistics & Decision

基　　金：咸宁学院硕士科研基金(SK0817)

摘　　要：对样本分类的方法很多,比如广义朴素贝叶斯分类器[1],层次-聚类模型[2],神经网络[3]等,但对小样本的分类却存在很多困难,如:小样本的代表性不够,不能覆盖所有属性,分类器分类效果不佳等问题,文章提出的结合拉普拉斯校准的特征加权朴素贝叶斯分类器操作简单,能高效地解决了以上问题。

关 键 词：特征加权 拉普拉斯校准 小样本 

分 类 号：O213[理学—概率论与数理统计]