基于Copula理論的兩種分類算法研究.pdf

1、分類問題是機(jī)器學(xué)習(xí)領(lǐng)域的基本研究問題之一，它在實(shí)際中應(yīng)用非常廣泛。樸素貝葉斯分類器是一種簡(jiǎn)單有效的分類器，它基于屬性間的獨(dú)立性假設(shè)?；诮y(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)，在處理小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出了一些特有的優(yōu)勢(shì)。
　　 本文簡(jiǎn)要地介紹了關(guān)于樸素貝葉斯分類器和支持向量機(jī)的基本理論，包括樸素貝葉斯分類模型，機(jī)器學(xué)習(xí)的基本問題，統(tǒng)計(jì)學(xué)習(xí)理論的基本內(nèi)容，支持向量機(jī)分類算法，Copula函數(shù)的原理及性質(zhì)。本文針對(duì)樸素貝葉斯分

2、類器和支持向量分類機(jī)提出了兩種改進(jìn)的分類算法。
　　 針對(duì)樸素貝葉斯分類器的屬性獨(dú)立性假設(shè)的不足，利用Copula的理論提出了基于Copual的貝葉斯分類算法，進(jìn)一步擴(kuò)展了樸素貝葉斯分類器，實(shí)驗(yàn)結(jié)果表明，基于Copula的貝葉斯分類算法取得了較好的分類效果。
　　 本文還構(gòu)造了基于馬氏距離和Copula函數(shù)的距離映射和條件概率映射，將高維空間中的樣本轉(zhuǎn)化為二維空間中的新樣本，并對(duì)新樣本進(jìn)行簡(jiǎn)易處理，構(gòu)建了可分支持向量分類