连续属性一阶贝叶斯衍生分类器学习与集成 | |
王双成; 高瑞; 冷翠平 | |
刊名 | 模式识别与人工智能 |
2015-06-15 | |
期号 | 2015年06期页码:499-506 |
关键词 | 贝叶斯衍生分类器 高斯copula函数 分类器集成 贝叶斯网络 连续属性 |
ISSN号 | 1003-6059 |
DOI | 10.16451/j.cnki.issn1003-6059.201506003 |
英文摘要 | 依据copula和贝叶斯网络理论,将高斯copula函数、引入平滑参数的高斯核函数和以分类器的分类准确性为标准的属性父结点贪婪选择等相结合,综合考虑效率和可靠性,进行连续属性一阶贝叶斯衍生分类器学习、优化和集成.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过优化和集成的一阶连续属性贝叶斯衍生分类器具有良好的分类准确性. |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://10.2.47.112/handle/2XS4QKH4/14732] |
专题 | 上海财经大学 |
作者单位 | 1.上海立信会计学院数学与信息学院 2.上海立信会计学院立信会计研究院 3.上海财经大学统计与管理学院 |
推荐引用方式 GB/T 7714 | 王双成,高瑞,冷翠平. 连续属性一阶贝叶斯衍生分类器学习与集成[J]. 模式识别与人工智能,2015(2015年06期):499-506. |
APA | 王双成,高瑞,&冷翠平.(2015).连续属性一阶贝叶斯衍生分类器学习与集成.模式识别与人工智能(2015年06期),499-506. |
MLA | 王双成,et al."连续属性一阶贝叶斯衍生分类器学习与集成".模式识别与人工智能 .2015年06期(2015):499-506. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论