期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于特征多视图提升Naive Bayesian的Boosting改进算法 被引量:1
1
作者 林正奎 唐焕玲 +1 位作者 鲁明羽 王敬东 《北京交通大学学报》 CAS CSCD 北大核心 2009年第6期70-75,共6页
AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显.为此,利用多种特征评估函数建立不同的特征视图,生成多个有差异的加权朴素贝叶斯(WNB)基分类器;尝... AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显.为此,利用多种特征评估函数建立不同的特征视图,生成多个有差异的加权朴素贝叶斯(WNB)基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性.实验结果表明,对比AdaBoost所提算法,Boost MV-WNB能够明显提升WNB文本分类器的性能. 展开更多
关键词 ADABOOST 加权朴素贝叶斯 文本分类 特征多视图 样本权重
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部