...师范大学学报（自然科学版） >>2007年01期 周文刚 , 金鑫 提出了一种基于树扩展朴素贝叶斯(tree augmented naive Bayes,TANB)的入侵检测方法.
基于2个网页-相关网页
朴素贝叶斯分类器 Navie Bayesian Classifier ; Naive Bayes ; TANC
朴素贝叶斯分类 Naive Bayesian classification ; Naive Bayes Classifier ; Naive Bayes Classification ; NBC
朴素贝叶斯算法 Naive Bayes ; new bayes ; bayesian naive algorithm ; Naive Bayes Algorithm
朴素贝叶斯方法 Naive Bayes ; naive bayesian method
半朴素贝叶斯分类模型 SNBC
朴素贝叶斯模型 Naive Bayesian Model ; nb model ; naive bayes model
局部加权朴素贝叶斯 LWNB
双隐朴素贝叶斯 DHNB
MBN classifier is compared with Naive Bayes classifier and TAN classifier by an experiment. Experimental results show that this model has higher classification accuracy in most data sets.
将该模型算法与朴素贝叶斯及树增广朴素贝叶斯进行实验比较,实验结果表明MBN分类器在多数数据集上具有较高的分类正确率。
参考来源 - 混合式朴素贝叶斯分类模型Naive Bayesian classifier based on attribute independence assumption is a simple and effective classifier.
朴素贝叶斯分类器是一种简单有效的分类器,它基于属性间的独立性假设。
参考来源 - 基于Copula理论的两种分类算法研究Some basic theories used in this thesis are briefly introduced, including Naive Bayesian classification modeling, the basic problems in Machine Learning, Support Vector Machine classification algorithms and the character of Copula function.
本文简要地介绍了关于朴素贝叶斯分类器和支持向量机的基本理论,包括朴素贝叶斯分类模型,机器学习的基本问题,统计学习理论的基本内容,支持向量机分类算法,Copula函数的原理及性质。
参考来源 - 基于Copula理论的两种分类算法研究Naive Bayes algorithm is an effective simple classification algorithm. Since its conditional independence assumption is not always true in real life,its classification performance is affected to some extent.
朴素贝叶斯算法是一种简单而高效的分类算法,但其条件独立性假设并不符合客观实际,这在某种程度上影响了它的分类性能。
参考来源 - 基于Rough Set的加权朴素贝叶斯分类算法 in C·2,447,543篇论文数据，部分数据来源于NoteExpress
因此，提出了一种基于粗糙集理论的混合树增广朴素贝叶斯分类模型（MTANC）。
So a new Bayesian model mixed tree augmented Naive Bayes classifier(MTANC) based on the rough set theory is presented.
一个简单的机器学习算法，朴素贝叶斯算法可以把正规邮件从垃圾邮件里面分离出来。
A simple machine learning algorithm called naive Bayes can separate legitimate email from spam email.
本文利用改进的K -均值算法对缺失数据进行处理，提高了朴素贝叶斯分类的精确度。
This paper USES the improved K-means (IKM) algorithm to process the missing data and thus improve the precision of the Naive Bayes classifier.
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。 最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）。和决策树模型相比，朴素贝叶斯分类器(Naive Bayes Classifier 或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。
应用推荐