基于高斯核函数的朴素贝叶斯分类器依赖扩展

王双成^1,2，高瑞^1,3，杜瑞杰¹

1. 上海立信会计学院数学与信息学院2. 上海立信会计学院立信会计研究院3. 上海财经大学统计与管理学院

摘 要：朴素贝叶斯分类器不能有效地利用属性之间的依赖信息,而目前所进行的依赖扩展更强调效率,使扩展后分类器的分类准确性还有待提高.针对以上问题,在使用具有平滑参数的高斯核函数估计属性密度的基础上,结合分类器的分类准确性标准和属性父结点的贪婪选择,进行朴素贝叶斯分类器的网络依赖扩展.使用UCI中的连续属性分类数据进行实验,结果显示网络依赖扩展后的分类器具有良好的分类准确性.

关键词：朴素贝叶斯分类器;高斯核函数;贝叶斯网络;分类准确性;依赖扩展;