文献类型：期刊文献

中文题名：用平滑方法改进多关系朴素贝叶斯分类

英文题名：Improving multi- relational Naive Bayesian classifier using smoothing methods

作者：徐光美[1];刘宏哲[2];张敬尊[1];王金华[1]

第一作者：徐光美

机构：[1]北京联合大学信息学院;[2]北京联合大学信息服务工程重点实验室

第一机构：北京联合大学智慧城市学院

年份：2017

卷号：53

期号：5

起止页码：69-72

中文期刊名：计算机工程与应用

外文期刊名：Computer Engineering and Applications

收录：CSTPCD;;北大核心:【北大核心2014】；CSCD:【CSCD_E2017_2018】；

基金：国家自然科学基金(No.61372148;No.61202245);北京市"长城学者"计划项目(No.CIT&TCD20130320);北京市优秀人才培养项目(No.2010D005022000011);北京联合大学自然科学项目(No.zk20201403)

语种：中文

中文关键词：多关系数据挖掘;朴素贝叶斯;参数平滑;互信息

外文关键词：Multi-Relational Data Mining(MRDM); Naive Bayes; smoothing methods; mutual information

摘要：为消除朴素贝叶斯分类时的零概率以及过度拟合问题,分析了各种概率平滑方法,给出了基于M估计的多关系朴素贝叶斯分类方法(MRNBC-M)和基于Laplace估计的多关系朴素贝叶斯分类方法(MRNBC-L),分析探讨了M平滑和Laplace平滑方法对多关系分类的影响情况,为进一步优化分类,方法基于扩展互信息标准对数据进行属性过滤。多关系标准数据集上的实验显示,MRNBC-M可以有效改进分类性能。
To eliminate the naive Bayesian classification of zero probability and overfitting problem, this paper discusses the various probability smoothing method, gives MRNBC-M(Multi-Relational Naive Bayesian Classifier based on Mestimation)and MRNBC- L(Multi-Relational Naive Bayesian Classifier based on Laplace- estimation). In the case of multi-relationship, the impact of M and Laplace estimation methods on the classification is analyzed. In order to further optimize the classification, the method is based on the extended mutual information criterion. Experiments on the multirelational datasets show that MRNBC-M can effectively improve the classification performance.