基于小生境遺傳算法的增量貝葉斯算法.pdf

1、隨著數(shù)字技術(shù)的飛速發(fā)展，數(shù)據(jù)量不斷激增，導(dǎo)致海量數(shù)據(jù)的出現(xiàn)。然而這些浩繁的數(shù)據(jù)背后蘊(yùn)藏著許多重要的信息，因此人們希望能夠?qū)ζ溥M(jìn)行統(tǒng)計(jì)分析，以便更加方便地利用這些數(shù)據(jù)完成諸如天氣預(yù)報(bào)、專家診斷等工作。數(shù)據(jù)分類由此應(yīng)運(yùn)而生。 樸素貝葉斯算法是一種普遍應(yīng)用的經(jīng)典數(shù)據(jù)分類算法。該算法基于屬性間獨(dú)立性假設(shè)，即樣本空間中元素之間的屬性相互獨(dú)立，以及貝葉斯后驗(yàn)概率定理。樸素貝葉斯算法的顯著優(yōu)點(diǎn)是相對(duì)于其它分類方法，樸素貝葉斯分類算法不需要搜索

2、，只需簡(jiǎn)單地計(jì)算訓(xùn)練樣本中各個(gè)屬性值發(fā)生的概率，以此可以估計(jì)出每個(gè)屬性的概率估計(jì)值，因而樸素貝葉斯分類算法的效率較高。但是，樸素貝葉斯算法同時(shí)也存在一些問題：其一，樸素貝葉斯算法不具有增量分類能力；其二，當(dāng)大量樣本需要分類時(shí)，計(jì)算比較復(fù)雜，沒有充分利用分類信息；其三，該算法沒有充分利用一次分類后遺留的分類信息。 針對(duì)上述三方面問題，本文提出了一種基于小生境遺傳算法的增量貝葉斯算法，同時(shí)引入向量空間概念，根據(jù)向量空間將樣本量化，并