位置：立项数据库 > 立项详情页
贝叶斯网络分类器高效算法研究
  • 项目名称：贝叶斯网络分类器高效算法研究
  • 项目类别：青年科学基金项目
  • 批准号：60503017
  • 申请代码：F020509
  • 项目来源：国家自然科学基金
  • 研究期限：2006-01-01-2008-12-31
  • 项目负责人：田凤占
  • 负责人职称：副教授
  • 依托单位：北京交通大学
  • 批准年度：2005
中文摘要：

分类是数据挖掘、机器学习和模式识别中一项非常基本和重要的任务，有着非常广泛的应用。贝叶斯分类器建立在贝叶斯统计学和贝叶斯网络方法基础上，是一种最优分类器模型，具有精度高、模型可解释性好等特点。针对实际应用中很难获得高质量、大规模的数据样本，数据样本中或者包含不完整数据或者样本数很少的情况，本项目将研究如何充分利用有限的数据样本和不完整数据样本中包含的信息，构造高精度的贝叶斯分类器。具体内容包括1）系统研究从不完整数据学习TAN、BAN和GBN三种较复杂贝叶斯网络分类器的高效方法；2）研究基于有限数据样本的贝叶斯网络分类模型的鉴别性学习方法；3）以鉴别性学习方法获得的分类模型作为基分类器，研究高效的集成分类方法。本项目的研究成果不仅会提高贝叶斯网络分类器的分类性能和实用性，拓宽其应用领域和应用范围，而且有利于促进贝叶斯统计学和贝叶斯网络方法的发展，该项研究具有重要的理论意义和实用价值。

中文主题词： 贝叶斯网络分类器;不完整数据;鉴别性学习;集成分类
成果综合统计
成果类型
数量
  • 期刊论文
  • 会议论文
  • 专利
  • 获奖
  • 著作
  • 24
  • 12
  • 0
  • 0
  • 1
期刊论文
一种基于特征选择的不完整数据分类方法
因子分析降维对分类性能的影响研究.
一种用于贝叶斯分类器的文本特征选择方法。
一种基于特征选择的不完整数据分类方法。
文本分类中基于基尼指数的特征选择算法研究。
一种基于不完整数据的朴素贝叶斯分类器
一种有效的不完整数据分类器。
基于KL距离的TAN分类器判别性学习方法。
基于分布不完整数据选择性分类器?。
用于不完整数据的选择性贝叶斯分类器。
一种基于AdaBoost方法的树形HNB组合分类器
A Fuzzy kNN Text Classifier Based on Gini Index.
A selective Bayes Classifier for classifying incomplete data based on gain ratio.
Learning Bayesian Networks with the Combination of Evolutionary Algorithm and EMI Method
用于不完整数据的选择性贝叶斯分类器
基于分布不完整数据选择性分类器
一种用于贝叶斯分类器的文本特征选择方法
基于协同聚类的多核学习
基于KL距离的TAN分类器判别性学习方法
缺失数据处理方法的比较研究
文本分类中基于基尼指数的特征选择算法研究
产生式与判别式分类方法比较研究
基于主成分分析朴素贝叶斯和决策树比较
基于类信息的文本特征选择与加权算法研究
会议论文
Learning Bayesian Networks with Combination of MRMR Criterion and EMI Method。
Learning Bayesian Networks Based on a Mutual Information Scoring Function and EMI Method。
Learning Bayesian Networks using Evolutionary Algorithm and a Variant of MDL score.
An Algorithm for Generating Classification Rules Based on Extended Function Dependency.
A Selective Classifier for Incomplete Data.
Comparison of Two Learning Methods of the Tree Augmented Na?ve Bayesian Network Classifier.
A Novel Ordering-Based Greedy Bayesian Network Learning Algorithm on Limited Data
Ensembling Bayesian Network Structure Learning on Limited Data.
A Multilevel Model of Filtering Chinese Bad Information Based on Heuristic Rules and Text Classifica
Frequent Itemset Mining Based on Heuristic Two Level Counting.
A Discriminative Learning Method of TAN Classifier
An Ensemble Classifier Based on Attribute Selection and Diversity Measure.
著作
数据挖掘理论与应用
相关项目
基于时频图像的集成分类故障诊断理论和方法研究
期刊论文 11 会议论文 6 著作 1
田凤占的项目