云南高校图书馆联盟文献共享服务平台- 国家自然科学基金(60503017)

国家自然科学基金(60503017): 作品数：13被引量：93H指数：5; 导出分析报告; 相关作者：黄厚宽林永民田凤占陈景年石洪波更多>>; 相关机构：北京交通大学山西财经大学河北理工大学山东财政学院更多>>; 相关期刊：《中北大学学报（自然科学版）》《电脑知识与技术》《广西师范大学学报（自然科学版）》《北京交通大学学报》更多>>; 相关主题：朴素贝叶斯文本分类朴素贝叶斯分类器分类器基尼指数更多>>; 相关领域：自动化与计算机技术电子电信更多>>

产生式与判别式分类方法比较研究被引量：1: 《科技情报开发与经济》2010年第8期78-81,共4页孔环环石洪波; 国家自然基金项目(60503017);山西省自然基金项目(20051046); 分类是数据挖掘领域研究的热点,产生式与判别式是数据挖掘中两种不同的分类模型。产生式模型具有通用性、灵活性及清晰的分层结构,学习得到的模型很容易满足模型解释要求;判别式模型没有明显的对系统中变量的基本分布建模的企图,仅仅对...; 关键词：分类判别式模型产生式模型支持向量机朴素贝叶斯

基于主成分分析朴素贝叶斯和决策树比较被引量：3: 《电脑知识与技术》2010年第1期222-224,共3页张林石洪波; 国家自然基金项目（60503017）; 山西省自然基金项目（20051046）; 朴素贝叶斯和决策树由于其较高的分类性能和简单性得到了广泛的使用,许多学者都在研究如何在分类前对数据进行处理以提升它们的分类性能。该文首先使用主成分分析提取特征数据,然后对处理后的数据上利用朴素贝叶斯和决策树进行分类,并...; 关键词：朴素贝叶斯分类器决策树分类主成分分析

基于类信息的文本特征选择与加权算法研究被引量：8: 《计算机工程与应用》2008年第20期145-147,158,共4页吕震宇林永民赵爽陈景年朱卫东; 国家自然科学基金(the National Natural Science Foundation of China under Grant No.60503017);唐山市重点实验室项目(No.06360307A-6); 文本自动分类中特征选择和加权的目的是为了降低文本特征空间维数、去除噪音和提高分类精度。传统的特征选择方案筛选出的特征往往偏爱类分布不均匀文档集中的大类,而常用的TF·IDF特征加权方案仅考虑了特征与文档的关系,缺乏对特征与...; 关键词：文本分类特征选择特征加权基尼指数

一种有效的不完整数据分类器被引量：5: 《计算机科学》2008年第9期162-164,共3页陈景年黄厚宽田凤占邱桃荣; 国家自然科学基金(60503017和60673089)资助; 在模式识别、机器学习以及数据挖掘中,分类是一个基本而又重要的问题。虽有大量的分类器应运而生,但由于处理不完整数据的复杂性,它们大都是针对完整数据的。然而,由于各种原因,现实中的数据通常是不完整的。因此,对不完整数据分类器的...; 关键词：分类贝叶斯方法不完整数据

基于KL距离的TAN分类器判别性学习方法被引量：8: 《模式识别与人工智能》2008年第6期806-811,共6页冯奇田凤占黄厚宽; 国家自然科学基金资助项目(No.60503017); 树增强朴素贝叶斯(TAN)分类器在模型的复杂性和分类精度之间实现较好折衷,成为当前分类器学习的一个研究热点.为了提高 TAN 分类器的分类准确率,本文提出一种基于 KL 距离的 TAN 分类器判别性学习方法.首先用 EAR 方法学习 TAN 分类器...; 关键词：树增强朴素贝叶斯(TAN)分类器判别性学习 KL距离 EAR

Learning Bayesian Networks with the Combination of Evolutionary Algorithm and EMI Method: 《Chinese Journal of Electronics》2008年第3期437-442,共6页TIAN Fengzhan YU Jian HUANG Houkuan; Manuscript Received Apr. 2007; Accepted Nov. 2007. This work is supported by the National Natural Science Foundation of China （No.60503017）, Beijing Nova Program （No.2006A17） and the Science Foundation of Beijing Jiaotong University （No.2005SM012）.; Most Bayesian network （BN） learning algorithms use EMI algorithm to deal with incomplete data. But EMI algorithm is of low efficiency due to its iterative parameter refinement, and the problem will become even worse...; 关键词：Bayesian networks LEARNING Evolutionary algorithm EMI method

基于协同聚类的多核学习被引量：4: 《北京交通大学学报》2008年第2期10-13,共4页牟少敏田盛丰尹传环; 国家自然科学基金资助项目(60503017);北京交通大学科技基金资助项目(2006XM007); 针对实际应用中经常出现的异类数据源,采用多核学习的支持向量机受到关注.然而随着核函数数量的增多,计算量也随之大大增加.为了解决这一问题,该提出了一种利用协同聚类对多核支持向量机的训练数据进行简化的方法,可以减少支持向量机的...; 关键词：协同聚类多核学习核函数支持向量机

基于样本分布与熵的数值型属性离散化被引量：2: 《计算机工程与应用》2008年第1期159-161,共3页林永民吕震宇赵爽朱卫东; 国家自然科学基金(the National Natural Science Foundation of China under Grant No.60503017);唐山市重点实验室项目(No.06360307A-6)。; 连续属性的离散化是数据预处理的重要工作。论文分析了基于熵的离散化方法的不足,从估计训练样本的概率分布的角度出发,提出基于样本分布与熵相结合的处理数值型属性的方法。基于UCI数据的实验结果表明,该方法不仅具有比较好的判决精度...; 关键词：数值型属性熵样本分布离散化

因子分析降维对分类性能的影响研究被引量：9: 《中北大学学报（自然科学版）》2007年第6期556-561,共6页石洪波吕亚丽; 国家自然科学基金资助项目(60503017);山西省自然科学基金资助项目(20051046); 考虑因子数据的数据特征,采用连续属性服从正态分布的朴素贝叶斯分类方法,对因子分析降维前后数据集的分类性能变化进行了研究.实验结果表明:因子分析中的KM O(K a iser-M eyer-O lk in)统计值和变量共同度与分类性能紧密相关,当KM O统...; 关键词：因子分析分类朴素贝叶斯降维

一种基于不完整数据的朴素贝叶斯分类器被引量：4: 《计算机工程》2006年第17期86-88,共3页陈景年黄厚宽田凤占乔珠峰; 国家自然科学基金资助(60503017); 贝叶斯网络因其对属性间因果关系的表达能力而成为处理不完整数据的强有力的工具。然而绝大多数的贝叶斯分类器都是基于完整数据的,并且在现实世界中数据往往是不完整的,因此利用不完整数据构建有效的贝叶斯分类器是一个重要而又具有挑...; 关键词：不完整数据贝叶斯分类器 EM算法 BC办法

国家自然科学基金(60503017)