«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:

期数:

2007年04期

页码:

96-99

栏目:

应用开发研究

出版日期:

1900-01-01

文章信息/Info

Title:

Structure Learning of TANC Based on BIC and Genetic Algorithms

文章编号:

1673-629X（2007）04-0096-04

作者:

蒋望东¹ 林士敏¹ 鲁明羽²

[1]广西师范大学计算机科学系[2]清华大学智能技术与系统国家重点实验室

Author(s):

JIANG Wang-dong;  LIN Shi-min;  LU Ming-yu

[1]Computer Science Department, Guangxi Normal University[2]State Key Laboratory for Intelligent Technology ＆ System,Tsinghua University

关键词:

贝叶斯分类器; 树扩展朴素贝叶斯分类器; 遗传算法; 结构学习

Keywords:

Bayesian classifier;  TANC;  genetic algorithm;  structure learning

分类号:

TP301.6

文献标志码:

A

摘要:

树扩展朴素贝叶斯分类器（TANC）是实用性较强的一种分类器，其性能优于朴素贝叶斯分类器。现有的TANC结构学习算法有基于互信息测度的相关性分析方法和贝叶斯信息测度（BIC）的搜索打分方法。将遗传算法引入TANC结构学习，用BIC作为评价函数，提出了基于BIC测度和遗传算法的TANC结构学习算法GA—TANC，并以此构建分类器，用分类准确率衡量算法的性能。实验结果表明，GA—TANC算法有更高的分类准确率，从而说明GA—TANC结构学习算法是准确有效的

Abstract:

Tree Augmented Naive Bayesian Classifier （TANC） is a type of quite applied classifier, its performance is superior to Naive Bayesian Classifier. Existing TANC structure learning algorithm are based on relativity analysis using mutual information criterion or based on search ＆ scoring using Bayesian information criterion. Using BIC as evaluate function, this paper introduces genetic algorithm into TANC structure learning, and proposes a new TANC structure learning algorithm based on BIC and genetic algorithm. Using classification accuracy to scale classification performance. Experiment results show that GA - TANC is accurate and effective

备注/Memo

备注/Memo:

国家自然科学基金资助项目（60473115）蒋望东（1971-），男，湖南永州人，湖南财经高等专科学校讲师，硕士研究生，主要研究方向为人工智能、机器学习；林士敏，教授，硕士研究生导师，主要研究方向为知识工程、数据采掘；鲁明羽，副教授，博士后，研究方向为数据采掘、网络挖掘

常用功能

更新日期/Last Update: 1900-01-01