朴素贝叶斯分类器增量学习序列算法研究

摘要：

首先介绍了一种朴素贝叶斯增量分类模型,然后提出了一种新的序列学习算法以弥补其学习序列中存在的不足:训练实例的先验知识得不到充分利用,测试实例的完备性对分类的影响在学习过程中得不到体现等.该算法引入一个分类损失权重系数λ,用于计算分类损失大小.引入该系数的作用在于:充分利用先验知识对分类器进行了优化;通过选择合理的学习序列强化了较完备数据对分类的积极影响,弱化了噪音数据的消极影响,从而提高分类精度;弥补了独立性假设在实际问题中的不足等.

关键词：贝叶斯分类器、增量学习、共轭分布、Dirichlet分布

所属期刊栏目：40

分类号：TP18(自动化基础理论)

资助基金：安徽省自然科学基金03042305

在线出版日期：2004-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：57-59