基于广义信息论的贝叶斯分类器动态建模

基于广义互信息描述变量之间的条件独立和条件相关性，并根据信息非负递增性原则去除冗余变量，由测试样本而非整个样本空间构造贝叶斯分类子模型。结合局部计算近似推理进行概率密度和条件概率分布估计。在UCI机器学习数据集上的实验结果证明了该算法的合理性和有效性。