【摘 要】
：
目前基于节点排序的贝叶斯网络分类器忽略了节点序列中已选变量和类标签之间的信息,导致分类器的准确率很难进一步提高。针对这个问题,提出了一种简单高效的贝叶斯网络分类器
论文部分内容阅读
目前基于节点排序的贝叶斯网络分类器忽略了节点序列中已选变量和类标签之间的信息,导致分类器的准确率很难进一步提高。针对这个问题,提出了一种简单高效的贝叶斯网络分类器的学习算法：L1正则化的贝叶斯网络分类器（L1-BNC）。通过调整Lasso方法中的约束值,充分利用回归残差的信息,结合点序列中已选变量和类标签的信息,形成一条优秀的有序变量拓扑序列（L1正则化路径）;基于该序列,利用K2算法生成优良的贝叶斯网络分类器。实验表明,L1-BNC在分类精度上优于已有的贝叶斯网络分类器。L1-BNC也与SVM,KNN和
其他文献
频繁模式挖掘可以发现数据中频繁出现的模式，是关联规则挖掘的重要步骤。并行频繁模式算法将其应用到并行环境中，以对海量数据进行挖掘。在Apache软件基金会的Mahout项目实现的
终结共代数上的互模拟是等价关系,这一性质为对象的行为等价提供了一种基于共归纳原理的证明方法。首先,利用共代数给出面向对象方法中的抽象类、类和对象的形式化描述,其中
无结构化P2P网络资源定位过程中的响应时间、查准率及覆盖率难以同时被优化。提出一种面向有向无环随机网络的基于Bloom Filter和概率分发队列的快速查找算法BFPDQ（Bloom Filt
Mesh结构以其简单、规整、易于实现与扩展的特性而成为现在广泛应用的片上网络拓扑模型。对2D-Mesh结构进行了改进,给出了顶点互连的Vertices interconnect Mesh（VMesh）结构;同
GSM移动通讯网络系统是目前国内覆盖最广、可靠性最高、容量最大、保密性强的公共无线数字传输系统。GSM通信分系统在车载单元与监控中心之间进行数据传输,其性能优劣对车载
简称是自然语言词汇的重要组成部分，其获取是自然语言处理中的一个基本而又关键的问题。提出了一种根据汉语全称从web中获取对应汉语简称的方法。该方法包括获取和验证两个步