一种基于强属性限定的贝叶斯分类模型

摘要

朴素贝叶斯分类模型一种简单而高效的分类模型,但它的条件独立性假设使其无法将属性间的依赖表达出来,影响了它分类的正确率.属性间的依赖关系与属性本身的特性有关,有些属性的特性决定了其他属性必然依赖于它,即强属性.文中通过分析属性相关性的度量和贝叶斯定理的变形公式,介绍了强属性的选择方法,通过在强弱属性之间添加增强弧以弱化朴素贝叶斯的独立性假设,扩展了朴素贝叶斯分类模型的结构.在此基础上提出一种基于强属性限定的贝叶斯分类模型SANBC.实验结果表明,与朴素贝叶斯分类模型相比,SANBC分类模型具有较高的分类正确率.