科研之友
微信
新浪微博
Facebook
分享链接
摘要
朴素贝叶斯算法是一种经典的分类算法，广泛应用于很多领域．朴素贝叶斯分类算法引入了属性条件独立性假设，但这个假设在现实应用中往往不能满足，从而就会影响算法的分类性能．针对这一问题，本文对该算法进行了改进，对离散属性进行数值标记，之后用正交矩阵对连续属性和数值标记后的离散属性做正交变换，增强属性之间的相互独立性，去除了属性之间的线性关系，贴近了朴素贝叶斯分类算法的属性条件独立性假设，从而提高了分类准确率．最后基于改进的算法进行实验分析，实验结果表明，与标准朴素贝叶斯分类算法、贝叶斯网相比，改进的算法的分类性能有较大的提高．
- 单位
