氡是自然界唯一的放射性气体,对人体的辐射伤害占人体所受到的全部环境辐射的55%以上。在室内污染物中氡污染仅次于吸烟,是诱发肺癌的第二大原因。氡水平的分布在自然界中极不均匀,所以对氡浓度进行评估至关重要,这样可以有针对性地采取一些有效措施来降低和控制氡气对人类的危害。贝叶斯分类器由于计算效率高、准确度高,并且具有坚实的理论基础,从而得到了广泛的应用。本文的研究内容就是贝叶斯分类器在氡评价上的应用——通过影响氡浓度的几个因素,将它们作为条件属性,来对氡的危害程度进行评价。为了完成本文进行的主要工作包括:(1)学习了贝叶斯分类器的基本原理,了解了贝叶斯分类器的应用方向,并将它移植到氡风险评价上。(2)编写了朴素贝叶斯分类器的计算程序,并验证了其正确性。(3)搜集并整理了相关地区的一些数据,包括氡的相关数据、地质资料、土壤资料以及相关地理资料。(4)基于南方沿海某地和美国纽约州的数据,使用朴素贝叶斯分类器进行了模拟预测试验。在详细分析了模拟预测试验的结果之后,认为将朴素贝叶斯分类器应用到氡评价上是可行的,并得到以下结论:(1)条件属性的选择很重要,直接会影响到分类精度。由于两次实验均缺乏一个重要属性,造成分类正确率不够理想。另一方面,如果需求精度不高,省略一些比较难获取的数据种类,也可以提高工作效率。(2)朴素贝叶斯分类器在氡评价上并不逊色于它的改进方法。朴素贝叶斯分类器要求条件属性互相独立,而影响氡浓度的不同因素间并没有明显的相关性,或者说在选择属性的时候可以避免。所以朴素贝叶斯分类器的改进方法所做的工作收益不高——正确率提升有限,但是计算速度却降低了。