基于概率的名词性属性距离度量研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于概率的名词性属性距离度量研究

项目名称：基于概率的名词性属性距离度量研究
项目类别：青年科学基金项目
批准号：61203287
申请代码：F030504
项目来源：国家自然科学基金
研究期限：2013-01-01-2015-12-31

项目负责人：李超群
依托单位：中国地质大学（武汉）
批准年度：2012

中文摘要：

距离度量是基于距离的机器学习算法的核心所在，很多距离相关的算法都依靠一个好的距离函数获得成功。而名词性属性距离度量相比数值属性距离度量更加复杂。本项目针对基于概率的名词性属性距离度量问题展开研究。研究内容包括1）以朴素贝叶斯模型的属性独立假设为出发点，理论分析属性独立假设对距离函数的影响；2）借助贝叶斯网络和决策树模型来表达属性之间的依赖关系，并把表达的属性依赖关系引入距离函数中，构造新的距离函数,使之在具有强依赖关系的数据上表现出更好的性能；3）研究贝叶斯网络和决策树模型的类概率估测能力，甚至提出新的类概率估测模型，并利用其来计算基于概率的距离函数中的类成员概率，提高相关距离函数的性能。项目首次利用贝叶斯网络和决策树模型来研究距离度量问题，不仅可以为基于概率的名词性属性距离度量新方法研究提供示例，还可以推动基于概率的距离函数的应用，具有非常重要的理论意义和应用价值。

中文主题词：距离度量；名词性属性；属性独立假设；属性依赖关系；类概率估测

结论摘要：

英文主题词distance metrics；nominal attributes；attribute independence assumption；attribute dependence relationship；class probability estimation

成果综合统计