-
题名一种基于树增强朴素贝叶斯的分类器学习方法
被引量：24
- 1
-
-
作者
陈曦
张坤
-
机构
长沙理工大学计算机与通信工程学院
长沙理工大学综合交通运输大数据智能处理湖南省重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2019年第8期2001-2008,共8页
-
基金
国家自然科学基金(61772087)~~
-
文摘
树增强朴素贝叶斯(TAN)结构强制每个属性结点必须拥有类别父结点和一个属性父结点,也没有考虑到各个属性与类别之间的相关性差异,导致分类准确率较差。为了改进TAN的分类准确率,该文首先扩展TAN结构,允许属性结点没有父结点或只有一个属性父结点;提出一种利用可分解的评分函数构建树形贝叶斯分类模型的学习方法,采用低阶条件独立性(CI)测试初步剔除无效属性,再结合改进的贝叶斯信息标准(BIC)评分函数利用贪婪搜索获得每个属性结点的父结点,从而建立分类模型。对比朴素贝叶斯(NB)和TAN,构建的分类器在多个分类指标上表现更好,说明该方法具有一定的优越性。
-
关键词
贝叶斯分类器
树增强朴素贝叶斯
评分函数
-
Keywords
Bayesian classifier
Tree-Augmented Naive Bayes(tan)
Scoring function
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名利用类概率估计的加权平均树增强朴素贝叶斯网络结构
被引量：1
- 2
-
-
作者
丁一
周海磊
林国龙
-
机构
上海海事大学物流研究中心
-
出处
《计算机应用研究》
CSCD
北大核心
2016年第5期1335-1337,1358,共4页
-
基金
国家自然科学基金资助项目(71301101)
-
文摘
树增强朴素贝叶斯模型通过放松条件属性独立来改进贝叶斯模型,结构学习效率较高且简单。然而在一些实际实验测试中,树增强朴素贝叶斯分类模型的分类精确性和失误率的效果却不好。因此,设计了加权平均的树增强朴素贝叶斯分类算法来改进分类的效果,并且利用对数条件似然函数来测试分类估计的效果,给出加权平均的树增强朴素贝叶斯分类模型在训练阶段和测试阶段的算法,最后利用Weka平台公布的大量的UCI数据集通过十字交叉验证法来进行实验,结果表明加权平均树增强朴素贝叶斯分类模型明显优于最优朴素贝叶斯分类模型和树增强的朴素贝叶斯分类模型。
-
关键词
加权平均树增强朴素贝叶斯
分类概率估计
对数条件似然
网络结构
-
Keywords
weighted averaged tree naive Bayes
class probability estimation
log conditional likelihood
network structure
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种限定性的双层贝叶斯分类模型
被引量：44
- 3
-
-
作者
石洪波
王志海
黄厚宽
励晓健
-
机构
北京交通大学计算机与信息技术学院
-
出处
《软件学报》
EI
CSCD
北大核心
2004年第2期193-199,共7页
-
基金
国家"十五"重点科技攻关项目No.2002BA407B~~
-
文摘
朴素贝叶斯分类模型是一种简单而有效的分类方法,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系,影响了它的分类性能.通过分析贝叶斯分类模型的分类原则以及贝叶斯定理的变异形式,提出了一种基于贝叶斯定理的新的分类模型DLBAN(double-level Bayesian network augmented naive Bayes).该模型通过选择关键属性建立属性之间的依赖关系.将该分类方法与朴素贝叶斯分类器和TAN(tree augmented naive Bayes)分类器进行实验比较.实验结果表明,在大多数数据集上,DLBAN分类方法具有较高的分类正确率.
-
关键词
朴素贝叶斯
tan(tree
AUGMENTED
NAIVE
Bayes)
叶斯定理
依赖关系
-
Keywords
naive Bayes
tan (tree augmented naive Bayes)
Bayes theorem
dependence
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名贝叶斯网络个人信用评估模型
被引量：19
- 4
-
-
作者
郭春香
李旭升
-
机构
四川大学工商管理学院
西南交通大学经济管理学院
-
出处
《系统管理学报》
北大核心
2009年第3期249-254,260,共7页
-
基金
国家自然科学基金资助项目(70771093)
四川省教育厅科研项目(2006C082)
-
文摘
研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较。结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势。
-
关键词
信用评估
贝叶斯网络
朴素贝叶斯分类模型
树增强贝叶斯分类模型
神经网络
-
Keywords
credit scoring
Bayesian network
naive Bayesian
tree augmented naive Bayesian
neural（network）
-
分类号
F830.5
[经济管理—金融学]
-
-
题名基于贝叶斯网络分类的个人信用评估模型
被引量：11
- 5
-
-
作者
李旭升
郭耀煌
-
机构
西南交通大学经济管理学院
-
出处
《统计与决策》
CSSCI
北大核心
2006年第20期13-15,共3页
-
基金
国家自然科学基金资助项目(70371026)
-
文摘
本文研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器两种贝叶斯网络信用评估模型的精度,用10层交叉验证在两个真实数据集上对贝叶斯网络信用评分模型进行了测试并与的神经网络模型进行了比较。结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势。
-
关键词
信用评估
贝叶斯网络
朴素贝叶斯分类模型
树增强贝叶斯分类模型
神经网络
-
分类号
F830.5
[经济管理—金融学]
-
-
题名一种基于TAN的文本分类方法
被引量：4
- 6
-
-
作者
石洪波
王志海
黄厚宽
-
机构
北方交通大学
-
出处
《广西师范大学学报（自然科学版）》
CAS
2003年第1期81-85,共5页
-
基金
铁道部科技研究项目
-
文摘
提出了一种基于TAN模型的文本分类方法.朴素贝叶斯分类器是当前流行的一种文本分类算法,但是它的属性独立性假设使其无法表达文本词语之间的依赖关系.TAN(Tree Augmented Naive Bayes)是综合了朴素贝叶斯的简易性以及贝叶斯网表示依赖关系的能力,其分类性能可与当前流行的一些分类器相竞争.介绍了TAN模型,将其引入到文本分类中,并用实验比较了朴素贝叶斯和TAN,实验结果表明:该方法具有较好的分类性能.
-
关键词
文本分类
tan模型
朴素贝叶斯分类器
贝叶斯网
特征选择
文本表示
文字信息处理
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名一种新颖混合贝叶斯分类模型研究
被引量：5
- 7
-
-
作者
李旭升
郭耀煌
-
机构
西南交通大学经济管理学院
-
出处
《计算机科学》
CSCD
北大核心
2006年第9期135-139,共5页
-
基金
国家自然科学基金资助课题(70371026)。
-
文摘
朴素贝叶斯分类器(Naive Bayesian classmer,NB)是一种简单而有效的分类模型,但这种分类器缺乏对训练集信息的充分利用,影响了它的分类性能。通过分析NB的分类原理,并结合线性判别分析(Linear Discriminant A- nalysis,LDA)与核判别分析(Kemel Discriminant Analysis,KDA)的优点,提出了一种混合贝叶斯分类模型DANB (Discriminant Analysis Naive Bayesian classifier,DANB)。将该分类方法与NB和TAN(Tree Augmented Naive Bayesian classifier,TAN)进行实验比较,结果表明,在大多数数据集上,DANB分类器具有较高的分类正确率。
-
关键词
朴素贝叶斯分类器
线性判别分析
核判别分析
tan分类器
-
Keywords
Naive Bayesian classifier,Linear discriminant analysis,Kernel discriminant analysis,tan classification
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于TAN网络的地铁区间与车站施工事故致因分析
被引量：4
- 8
-
-
作者
申建红
刘树鹏
-
机构
青岛理工大学管理工程学院
青岛理工大学城乡建设信用与风险管理研究中心
-
出处
《隧道建设（中英文）》
CSCD
北大核心
2023年第1期27-35,共9页
-
基金
国家自然科学基金资助项目(71471094)
住房和城乡建设部2022年科学技术计划项目(2022-R-048)。
-
文摘
为解决不同类型的地铁施工事故关键致因识别,以便于支持事故相关方在风险分析、预防和控制进行决策的问题。在收集国内2011—2021年间发生的202起事故报告数据的基础上,采用树增强朴素贝叶斯(tree augmented naive, TAN)和EM算法,从事故经过、直接原因、间接原因3个角度分别对事故报告进行统计处理、风险指标提取及合并、风险指标筛选、模型图形结构构建、模型参数确定,并采用GENIE软件训练数据建立最终分析模型。贝叶斯模型分析结果表明:1)通过正向推理明确不同类型事故的关键致险因素,并对各风险因素引发事故的总体影响程度进行重要度排序;2)通过反向诊断说明所建模型在不同风险因素组合情境下对风险预测的决策支持作用;3)10折交叉验证证实了模型的有效性。
-
关键词
地铁区间
车站施工
安全事故
树增强朴素贝叶斯(tan)
致险因素
-
Keywords
metro section
station construction
safety accident
tree augmented naive Bayesian
risk factors
-
分类号
U45
[建筑科学—桥梁与隧道工程]
-
-
题名基于贝叶斯网络模型的个人信用评价
被引量：7
- 9
-
-
作者
曹小林
-
机构
南京航空航天大学经济管理学院
南京城市职业学院
-
出处
《统计与决策》
CSSCI
北大核心
2020年第10期153-155,共3页
-
文摘
个人信用评价方法决定个人信用,通过个人信用评价来评估和预测未来借款人的违约风险。文章以贝叶斯网络理论为基础,通过IBM SPSS modeler18.0软件,构建基于贝叶斯网络的个人信用评价模型,并介绍树增强朴素贝叶斯网络分类模型及树增强朴素贝叶斯方法。由于指标较多,采用随机森林算法对各指标的重要性进行了预测,并以人人贷数据为研究样本建立树增强朴素贝叶斯网络模型进行实证研究。通过modeler计算出各个节点的条件概率,并对结果进行分析。通过对样本内和样本外预测精度的考察,验证了模型的稳健性。
-
关键词
贝叶斯网络
随机森林
个人信用评价
树增强朴素贝叶斯
-
分类号
F832.479
[经济管理—金融学]
-
-
题名三种文本分类算法的比较
被引量：4
- 10
-
-
作者
王潇
胡鑫
-
机构
西北师范大学数学与信息科学学院
-
出处
《石河子大学学报（自然科学版）》
CAS
2005年第6期769-771,共3页
-
文摘
介绍了一种基于贝叶斯定理的文本分类模型“树桩网络(stump network)”。将该方法与朴素贝叶斯文本分类器和TAN(tree augmented naive bayes)文本分类器进行实验比较。结果表明,在大多数数据集上该文本分类方法具有较好的分类正确率。
-
关键词
计算机应用
文本分类
树桩网络
朴素贝叶斯
tan
-
Keywords
computer application
text categorization
stump network
naive bayes
tan
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
