|
2.
基于捕食逃逸PSO的贝叶斯网络分类器
孔宇彦 姚金涛 李强 祝胜林 张明武
计算机应用
2011, 31 (02):
454-457.
构造精确的贝叶斯网络分类器已被证明为NP难问题,提出了一种基于捕食逃逸粒子群优化(PSO)算法的通用贝叶斯网络分类器,能有效避免数据预处理时的属性约简对分类效果的直接影响,实现对贝叶斯网络结构的精确学习和搜索。另外,将所提出的分类器应用于高职院校就业预测分析,并在Weka平台上实现对该分类器的构建和验证,与其他几种贝叶斯网络分类器的对比实验结果表明,该分类器具有更好的性能。
相关文章 |
多维度评价
|
|