基于關(guān)聯(lián)信息的貝葉斯分類算法研究.pdf

1、隨著網(wǎng)絡(luò)的普及和數(shù)據(jù)庫技術(shù)的快速發(fā)展，信息量呈現(xiàn)出爆炸式增長。大量數(shù)據(jù)中潛藏著無數(shù)有價值的信息，如何挖掘利用這些信息成為當(dāng)今數(shù)據(jù)挖掘領(lǐng)域研究熱點(diǎn)。貝葉斯分類算法以其簡捷高效特點(diǎn)成為其中佼佼者。
　　貝葉斯分類算法是一種通過類的先驗(yàn)概率對目標(biāo)數(shù)據(jù)進(jìn)行預(yù)測的方法，樸素貝葉斯分類算法是應(yīng)用最為廣泛、綜合效率較高的貝葉斯分類算法，但其最大的弊端是假設(shè)屬性之間相互獨(dú)立，而真實(shí)世界中，假設(shè)往往不成立。本文將頻繁項(xiàng)集應(yīng)用在樸素貝葉斯分類算法中，

2、可以放松獨(dú)立性假設(shè)，讓分類更加準(zhǔn)確。具體研究工作為:
　　(1)關(guān)聯(lián)信息方面:本文從候選項(xiàng)集的產(chǎn)生、屬性之間的關(guān)聯(lián)性分別對關(guān)聯(lián)規(guī)則模型以及頻繁項(xiàng)集與樸素貝葉斯相結(jié)合的算法進(jìn)行改進(jìn)。具體研究工作包括:基于哈希技術(shù)的Sampling改進(jìn)算法(SamplingHT)，提出了新的哈希函數(shù)并利用該技術(shù)對Sampling算法中頻繁項(xiàng)集產(chǎn)生過程進(jìn)行改進(jìn)得到SamplingHT算法，通過大量對比實(shí)驗(yàn)顯示，新算法提高了產(chǎn)生頻繁項(xiàng)集的性能，有效地降低

3、了對數(shù)據(jù)庫的掃描次數(shù)，達(dá)到優(yōu)化的目的。
　　(2)分類信息方面:本文提出了基于頻繁項(xiàng)集的貝葉斯分類改進(jìn)算法WM-FISC，F(xiàn)ISC是經(jīng)典的頻繁項(xiàng)集與貝葉斯分類算法相結(jié)合的方法，通過SamplingHT算法產(chǎn)生的具有屬性關(guān)聯(lián)的頻繁項(xiàng)集來做分類算法中的訓(xùn)練集，以此來放松獨(dú)立性假設(shè)，再通過M-估計和加權(quán)方法對FISC進(jìn)行改進(jìn)，進(jìn)一步解決樸素貝葉斯分類算法中屬性獨(dú)立性的缺點(diǎn)。通過實(shí)驗(yàn)顯示，WM-FISC算法的性能強(qiáng)于FISC算法，且好于一