樸素貝葉斯分類算法由于其簡單且高效的優(yōu)點成為數(shù)據(jù)挖掘十大經(jīng)典算法之一,但是該算法在進(jìn)行分類時假定屬性間是彼此獨立的。不過,在現(xiàn)實應(yīng)用當(dāng)中這類假設(shè)通常無法成立。在本文中,通過對數(shù)據(jù)預(yù)處理和減弱樸素貝葉斯算法的條件獨立性假設(shè)來提高算法的分類準(zhǔn)確率。主要研究工作如下:離散化技術(shù)是經(jīng)常被用到數(shù)據(jù)預(yù)處理當(dāng)中的技術(shù)。已知的數(shù)據(jù)離散化方法通常在處理不平衡數(shù)據(jù)集時表現(xiàn)不是非常理想。本文提出了一種新的離散化算法ICAIM算法,通過結(jié)合三個不同離散化標(biāo)準(zhǔn)的優(yōu)點來改善CAIM算法的性能。ICAIM算法提高了離散區(qū)間的質(zhì)量,使離散化后的數(shù)據(jù)集的分類性能更好,尤其是不平衡數(shù)據(jù)集。同時,ICAIM算法的運行時間較CAIM算法有明顯提高。隱樸素貝葉斯分類算法忽視了數(shù)據(jù)集中冗余或者無關(guān)屬性對分類結(jié)果造成的不利影響,本文針對這一缺陷,提出了采用CFS算法對屬性實施選取操作,選出一組最優(yōu)的屬性子集合。在減弱樸素貝葉斯算法的條件獨立性假設(shè)的眾多方法之中,屬性權(quán)重法早已引起了研究者的重視。為進(jìn)一步減弱條件獨立性假設(shè)引發(fā)的不利影響,本文將根據(jù)各屬性對分類結(jié)果的影響程度,為不同的屬性賦予相應(yīng)的權(quán)重。本文提出的權(quán)重獲取方法不僅考慮了屬性與屬性間的依賴關(guān)系,而且考慮了屬性與類屬性間的依賴關(guān)系,使每個屬性獲取到的權(quán)重更加合理�，F(xiàn)有的屬性加權(quán)方法僅將學(xué)習(xí)到的屬性權(quán)重納入樸素貝葉斯分類公式中,而不將權(quán)重納入其條件概率估計中,本文使用一種被稱之為深度屬性加權(quán)的方法,能夠提高樸素貝葉斯模型的質(zhì)量。最后把本文所提出的ICAIM和SW-HNB算法應(yīng)用到冠心病中醫(yī)輔助診療系統(tǒng)當(dāng)中。首先通過ICAIM算法對冠心病臨床數(shù)據(jù)進(jìn)行離散化處理,然后再用SW-HNB算法對患者的病癥分類。實驗證明該系統(tǒng)可以有效地起到輔助診療的效果。
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 閆志虹;;中西醫(yī)結(jié)合治療冠心病的研究進(jìn)展[J];中國保健營養(yǎng);2013年02期

2 田松;何茜;;冠心病現(xiàn)代文獻(xiàn)中醫(yī)證型與證素的特征研究[J];湖南中醫(yī)藥大學(xué)學(xué)報;2013年01期

3 彭興媛;劉瓊蓀;;不同類變量下屬性聚類的樸素貝葉斯分類算法[J];計算機(jī)應(yīng)用;2011年11期

4 楊萍;楊天社;杜小寧;李濟(jì)生;黃永宣;;一種基于類別屬性關(guān)聯(lián)程度最大化離散算法[J];控制與決策;2011年04期

5 鄧維斌;王國胤;王燕;;基于Rough Set的加權(quán)樸素貝葉斯分類算法[J];計算機(jī)科學(xué);2007年02期

6 程克非;張聰;;基于特征加權(quán)的樸素貝葉斯分類器[J];計算機(jī)仿真;2006年10期

7 謝宏,程浩忠,牛東曉;基于信息熵的粗糙集連續(xù)屬性離散化算法[J];計算機(jī)學(xué)報;2005年09期

8 馬光志,陳鳳華;基于關(guān)聯(lián)規(guī)則的ABN分類器構(gòu)造[J];計算機(jī)工程與科學(xué);2005年05期

9 石洪波,黃厚寬,王志海;基于Boosting的TAN組合分類器[J];計算機(jī)研究與發(fā)展;2004年02期

本文編號：1420675