基因、文本等数据属于高维数据集,数据属性常存在关联,此类数据的分类难度较大。朴素贝叶斯是一种经典的分类算法,但其建立在“数据属性独立”的理论假设上,不能正确描述属性之间的关联,难以有效处理高维数据。高斯贝叶斯分类算法引入协方差矩阵描述数据属性之间的关联,但传统的协方差矩阵计算方法误差较大,导致高斯贝叶斯分类算法的分类精度难以进一步提高。针对以上存在的问题,本文提出一种收缩估计协方差矩阵的高斯贝叶斯分类算法。主要研究内容如下:(1)高斯贝叶斯算法中,先验概率、均值向量和协方差矩阵三个参数的精确估计直接影响着算法的分类精度。本文采用James-Stein正则化理论,分别对先验概率和均值向量进行收缩估计,减小计算误差。(2)针对传统协方差矩阵计算法存在较大误差的问题,本文提出对协方差矩阵进行收缩估计的思路来均衡方差与偏差,进而减小协方差矩阵的均方误差,提高算法的分类精度和泛化性能。(3)采用自然逼近的迭代收缩估计器,用迭代的方法向最优收缩估计逼近。与人为施加约束的收缩估计器不同,迭代收缩估计器有着更小的均方误差和自然收敛的闭式表达式,最大限度地减小协方差矩阵计算的误差,进一步提高算法分类效果。在多个不同维度的UCI数据集上进行仿真实验,并与传统贝叶斯算法相比较,实验结果表明:在高维数据集上,改进算法的分类精度均优于相比较的算法,本文引入收缩估计协方差矩阵的方法改进高斯贝叶斯算法,提高其对高维数据集的分类精度是可行的。