%0 Journal Article
%T The credit scoring model on extended tree augment naive Bayesian network<br>扩展的树增强朴素贝叶斯网络信用评估模型
%A LI Xu-sheng
%A GUO Chun-xiang
%A GUO Yao-huang
%A <br>李旭升
%A 郭春香
%A 郭耀煌
%J 系统工程理论与实践
%D 2008
%I 
%X 针对信用评估问题的特点,在推导混合数据极大似然函数的基础上,提出了扩展的树增强朴素贝叶斯网络信用评估模型,用10层交叉验证在真实数据集上进行了测试并与神经网络分类模型进行了比较.测试结果表明扩展的树增强朴素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.
%K 信用评估
%K 贝叶斯网络
%K 树增强朴素贝叶斯分类模型
%K 扩展的树增强朴素贝叶斯分类模型
%K 神经网络分类模型
%K 扩展
%K 增强
%K 朴素贝叶斯网络
%K 信用评估模型
%K Bayesian
%K network
%K naive
%K tree
%K extended
%K model
%K 优势
%K 分类精度
%K 测试结果
%K 比较
%K 分类模型
%K 神经网络
%K 数据集
%K 交叉验证
%K 极大似然函数
%K 混合数据
%K 评估问题
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=01BA20E8BA813E1908F3698710BBFEFEE816345F465FEBA5&cid=962324E222C1AC1D&jid=1D057D9E7CAD6BEE9FA97306E08E48D3&aid=E0EB96CBCF19AE30C842130A2AC9FD1B&yid=67289AFF6305E306&vid=D3E34374A0D77D7F&iid=B31275AF3241DB2D&sid=28F8B56DB6BEE30E&eid=58F693790F887B3B&journal_id=1000-6788&journal_name=系统工程理论与实践&referenced_num=0&reference_num=21