一种基于可分解评分函数的树增强朴素贝叶斯分类方法

摘要

本发明公开了一种基于可分解评分函数的树增强朴素贝叶斯分类方法。该方法为：构建分类网络时，在树增强朴素贝叶斯的结构基础上，允许每个属性结点没有父结点或只有一个父结点；首先采用低阶CI测试初步剔除无效属性结点，结合属性结点依赖关系，获得各个属性结点的候选父结点集合，过滤掉冗余属性父结点；然后利用可分解的BDeu评分函数对局部最优无环图进行贪婪查找，构建最终的SETAN网络结构。本发明在进行数据分类时去除了冗余属性父结点，增强了分类模型的可靠性，降低了时间的复杂度，且提高了分类的准确率。