%0 Journal Article
%T 类相关性影响可变选择性贝叶斯分类器
%A 程玉虎
%A 仝瑶瑶
%A 王雪松
%J 电子学报
%P 1628-1633
%D 2011
%X 在最大相关最小冗余(mRMR)属性选择方法的基础上,通过设置一个调节因子来改变类别相关性在属性选择中的影响程度,解决mRMR方法易于引入冗余属性的问题,提出一种类相关性影响可变选择性贝叶斯分类器(CCRISBC).为克服人为指定属性个数易于导致的分类结果随意性,采用贝叶斯信息准则来自动确定最优属性个数.为使CCRISBC能够处理含有连续变量的数据集,提出等频类别依赖最大化离散化方法,具有分类准确率高和离散化时间短的优点.UCI数据集的实验结果表明,本文方法能够有效处理离散和连续高维数据的分类问题.
%K 选择性贝叶斯分类器
%K 属性选择
%K 最大相关最小冗余
%K 贝叶斯信息准则
%K 离散化
%U http://www.ejournal.org.cn/CN/abstract/abstract1199.shtml