一种基于aprior算法的树扩展朴素贝叶斯场景分类方法

摘要

本发明涉及基于aprior算法的树扩展朴素贝叶斯场景的分类方法，属于图片处理与模式识别领域，其特征在于采用如下步骤：(1)确定候选项目集L1，L2，...，Ln；(2)确定频繁项集L1，L2，...，Li；(3)将复杂标记转换为单标记Xn(Li)；(4)确定样本的似然函数LB(X)；(5)初始化带有n个节点的空图，找出图中最大权重枝的弧集；(6)形成增强网络结构。本发明建立的基于aprior算法的树扩展朴素贝叶斯场景的分类方法，可在对图片进行分类之前，利用aprior算法挖掘出标记之间的关联规则，然后用树扩展朴素贝叶斯对多标记数据进行了分类，实现了多标记学习的场景分类。通过对比实验结果可知，本发明与现有技术相比都取得了比较明显的优势，为多义性对象分类提供了准确的分类方法。