Indexed by：
Abstract：
朴素贝叶斯分类器建立在其数据＂特征值之间相互条件独立＂的基础上,而在实际应用中该假设难以完全成立.针对这种现象提出一种算法,即通过寻找对产生错误分类影响最大的特征值,并依此特征值的关联项对数据项扩充,在此基础上对扩充项添加权重,以达到提升分类器精度的效果.最后对权重的大小加以论证,实验分析了不同大小的权重对分类器正确率的影响.实验结果表明,添加关联项扩充训练集,可以有效提升贝叶斯分类器的正确率.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机应用与软件
ISSN： 1000-386X
Year： 2017
Issue： 8
Volume： 34
Page： 286-290,311
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 3
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
