基于最大信息系数的主成分分析贝叶斯分类算法

摘要：

如何对大量的原始数据样本进行合理分类并试图发现其中的相关关系一直是研究者们探讨的核心问题.现有的主成分分析方法和贝叶斯分类算法仅能在线性数据关系中取得较好的实验结果,但在处理非线性函数关系和综合性的非函数依赖关系问题中适用性不强.因此,笔者在基础主成分分析贝叶斯分类算法的条件上,创新性地引入信息论中的相关关系分析方法——最大信息系数(MIC),并提出以最大信息系数和主成分分析方法为基础的贝叶斯分类算法.通过仿真模拟实验得出,笔者提出的新型分类算法具有一定的准确性和可行性.

关键词：主成分分析、最大信息系数、贝叶斯分类

所属期刊栏目：32

分类号：TP311.52(计算技术、计算机技术)

在线出版日期：2020-09-21（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：63-66