论文部分内容阅读
根据RoughSet属性重要度理论，构建了基于互信息的属性子集重要度。提出属性相关性的加权朴素贝叶斯分类算法，该算法同时放宽了朴素贝叶斯算法属性独立性、属性重要性相同的假设。通过在UCI部分数据集上进行仿真实验，与基于属性相关性分析的贝叶斯（CB）和加权朴素贝叶斯（WNB）两种算法做比较，证明了该算法的有效性。