文献

J-GLOBAL ID：201302201628211884   整理番号：13A0505172

ゆるやかな短縮空間に関するNaive Bayesパラメータの漸次的学習

Incremental learning of Naive Bayes parameter on gradual contracting space

著者 (3件)： Ouyang Zehua (School of Information Engineering, Zhengzhou Univ., Henan, Zhengzhou) ,  Guo Huaping (School of Information Engineering, Zhengzhou Univ., Henan, Zhengzhou) ,  Fan Ming (School of Information Engineering, Zhengzhou Univ., Henan, Zhengzhou)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 32  号： 1  ページ： 223-227  発行年： 2012年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 局所的に重み付けされたNaive Bayes(LWNB)はNaive Bayes(NB)の良好な改善であり,弁別的周波数推定(DFE)はNaive Bayesの一般化精度を顕著に改善する。LWNBとDFEにアイデアを得て,この論文はNaive Bayesのパラメータについて学習するために次第に短縮する空間(GCS)アルゴリズムを提案する。試験実例を考えて,GCSはすべての訓練実例を含んだ全体的空間における一連の部分空間を確立する。これらの部分空間のすべてが試験実例を含み,それより大きい他者はそれらのいずれも含まなければならない。次にDFEの修正バージョンであったDFEの修正バージョン(MDFE)で徐々にNaive Bayes(NB)のパラメータについて学習するために,GCSはそれらの部分空間に含まれた訓練実例をと使用して,試験実例を分類するためにNBを使用した。GSCはすべての訓練データでNaive Bayesを訓練して,熱烈バージョンを達成した。それは,GSCとLWNBの間の本質的相違であった。GCS-TというGCSのディシジョンツリーバージョンをこの論文で実施した。実験結果は,GCS-TがC4.5とNaive Bayes,BaysianNet,NBTree,隠されたNaive Bayes(HNB),LWNBなどのいくつかのBayesian分類アルゴリズムと比較して,より高い一般化精度を持っていて,GCS-Tの分類速度はLWNBより顕著に高速であることを示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *自動分類 ,  パラメータ ,  学習 ,  計算機アルゴリズム ,  ディシジョンツリー ,  周波数推定 ,  データ ,  空間
準シソーラス用語： *Naive Bayes ,  漸次的学習 ,  分類アルゴリズム ,  訓練データ ,  実験結果 ,  部分空間

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (2件)： パラメータ ,  漸次的学習