基于特征多视图提升Naive Bayesian的Boosting改进算法
林正奎1
唐焕玲1
鲁明羽1
王敬东2
1.大连海事大学,信息科学技术学院,辽宁,大连,1160262.中国工商银行股份有限公司,烟台分行,山东,烟台,264000
摘要：AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显.为此,利用多种特征评估函数建立不同的特征视图,生成多个有差异的加权朴素贝叶斯(WNB)基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性.实验结果表明,对比AdaBoost所提算法,BoostMV-WNB能够明显提升WNB文本分类器的性能.
关键词：AdaBoost加权朴素贝叶斯文本分类特征多视图样本权重
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(60773084,J0724003,60603023)高等学校博士学科点专项科研基金(20070151009)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 70-75 )
英文信息