论文部分内容阅读
为了提高贝叶斯分类器的分类性能，Keogh提出了以分类效率为基础的扩展贝叶斯网络分类算法SuperParent—TAN，这是一种依赖一个属性（onedependenceestimator）的贝叶斯网络。这种算法不足之处在于查找超父节点（Super—Parent）和创建分类器工作的反复进行，时间花费较大。为了提高这种算法的分类效率，同时保证分类率，设计了基于信息增益和基于互信息的两种排序算法。通过在Weka平台上对UCI中32个数据集合的实验表明，基于信息排序的优化算法可以在保持分类正确率同时降低分类花费。