基于双层贝叶斯分类的空间负荷预测

采用分类模型进行空间负荷预测。由于决定负荷密度的各属性之间并非完全独立，传统分类器分类效果并不理想。为此，该文采用双层贝叶斯分类模型，该模型是朴素贝叶斯分类模型的扩展，通过选取关键属性将单一属性集划分为强属性集和弱属性集，弱化了各属性间相互独立的假设，提高了对样本分类的正确性。给出了构建和训练该模型的方法，在正确分类的基础上，文中采用类内相似度方法进行负荷密度的修正。实践和算例证明，该文模型和算法适合进行空间负荷预测。