×

贝叶斯网络模型之一依赖估测器模型研究

消耗积分:0 | 格式:pdf | 大小:0.84 MB | 2021-03-17

分享资料个

　　分类问题是数据挖掘和机器学习领域硏究的重点问题，贝叶斯网络模型因其简单髙效的特点而广泛应用于分类问题。一依赖估测器（ODE）模型作为半监督学习贝叶斯网络模型中的经典模型，受到研究人员的广泛关注。现有的ODE模型分类器在进行分类判别时，未考虑不同的属性节点作为根节点时对分类过程的贡献不同，为此，将ODE模型分类器与属性值加权方法相结合并提出MI-ODE算法。采用相互信息（MI）度量属性根节点的属性值与类变量之间的依赖关系并作为DE模型的权值，对ODE分类器模型进行属性值加杈平均。将M-ODE算法应用于现实分类问题的36个标准数据集，结果表明，相比于NB算法AODE算法与TAN算法，该算法的分类性能更优。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !