核密度估计在分类问题中带宽参数的优化研究

摘要：

核密度估计可用于贝叶斯分类器类条件概率密度估,计其关键是带宽参数的确定.为此,提出了通过使受试者特征(RoC)曲线下的面积AUC最大而优化带宽参数的方法,建立了用于二进制特征的BKD分类方法和用于连续值特征的CKD分类方法.将这两种方法分别用于UCI数据集Promoter和Diabetics,得到的预测准确率与文献报道最佳结果接近,表明提出的带宽参数优化方法用于核密度分类具有较好的分类预测能力.

关键词：贝叶斯分类器、核密度估计、带宽参数、受试者特征曲线

所属期刊栏目：36

分类号：TP3;TP1

在线出版日期：2009-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：258-261