基于条件信息熵的自主式朴素贝叶斯分类算法

计算机应用

基于条件信息熵的自主式朴素贝叶斯分类算法

邓维斌黄蜀江周玉敏

重庆邮电大学经济管理学院重庆邮电大学经济管理学院重庆邮电大学经济管理学院

收稿日期:2006-09-29 修回日期:1900-01-01 发布日期:2007-04-01 出版日期:2007-04-01
通讯作者: 邓维斌

Classification algorithm for self-learning Naive Bayes based on conditional information entropy

Received:2006-09-29 Revised:1900-01-01 Online:2007-04-01 Published:2007-04-01

摘要/Abstract

摘要： 朴素贝叶斯是一种简单而高效的分类算法，但其条件独立性和属性重要性相等的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。如何去除这种先验假设，根据数据本身的特点实现知识自主学习是机器学习中的一个难题。根据Rough Set的相关理论，提出了基于条件信息熵的自主式朴素贝叶斯分类方法，该方法结合了选择朴素贝叶斯和加权朴素贝叶斯的优点。通过在UCI数据集上的仿真实验，验证了该方法的有效性。

关键词: 朴素贝叶斯, 粗糙集, 条件信息熵, 自主式学习, 分类

Abstract: Naive Bayes algorithm is an effective simple classification algorithm. But two central assumptions made by the Naive Bayes approach are that the attributes are independent within each class and the importance of the attributes is equal, which can harm the classification process to some extent. It is a very difficult problem in machine learning to carry out self-learning knowledge according to the characteristic of source data without prior domain knowledge. Based on the theory of rough set, a new Naive Bayes method named Conditional Information Entropy-based Algorithm for Selflearning Naive Bayes (CIEBASLNB) was proposed, which combined the merits of selective Naive Bayes (SNB) and Weighted Naive Bayes (WNB). Simulation results on a variety of UCI data sets illustrate the efficiency of this method.

Key words: Naive Bayes, rough set, conditional information entropy, self-learning, classification

邓维斌黄蜀江周玉敏. 基于条件信息熵的自主式朴素贝叶斯分类算法[J]. 计算机应用.

. Classification algorithm for self-learning Naive Bayes based on conditional information entropy[J]. Journal of Computer Applications.

[1]	王晓宇, 李欣, 薛迪, 蒋章涛, 王威, 肖岩军. 基于大语言模型的视频监控网络安全漏洞分类框架[J]. 《计算机应用》唯一官方网站, 2026, 46(4): 1158-1170.
[2]	秦传东, 索志强. 融合改进的ResNet50与集成分类器的皮肤癌分类[J]. 《计算机应用》唯一官方网站, 2026, 46(4): 1354-1362.
[3]	何止戈, 刘畅, 吴俊锐, 罗昊然, 胡水松, 汪文勇. DDoS攻击防御技术综述[J]. 《计算机应用》唯一官方网站, 2026, 46(4): 1139-1157.
[4]	张健, 于剑波, 汤健. 基于多层预处理的城市固废焚烧状态识别方法[J]. 《计算机应用》唯一官方网站, 2026, 46(3): 940-949.
[5]	张昊洋, 张丽萍, 闫盛, 李娜, 张学飞. 面向知识图谱补全的大模型方法综述[J]. 《计算机应用》唯一官方网站, 2026, 46(3): 683-695.
[6]	韦廷浒, 刘皓琰, 吴建宁. 图时空学习模型检测下肢不等长动态变化[J]. 《计算机应用》唯一官方网站, 2026, 46(2): 587-595.
[7]	李玟, 李开荣, 杨凯. 基于数据增强的子图感知对比学习[J]. 《计算机应用》唯一官方网站, 2026, 46(1): 1-9.
[8]	李维刚, 邵佳乐, 田志强. 基于双注意力机制和多尺度融合的点云分类与分割网络[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 3003-3010.
[9]	王雪津, 黄雷雷, 钟祯辉. 噪声与语义先验引导的低照度图像增强算法[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2966-2974.
[10]	李旭, 陈战伟, 董瑞博, 李娟. 双论域模糊关系决策系统的属性约简[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2919-2925.
[11]	王闯, 俞璐, 陈健威, 潘成, 杜文博. 开集域适应综述[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2727-2736.
[12]	梁一鸣, 范菁, 柴汶泽. 基于双向交叉注意力的多尺度特征融合情感分类[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2773-2782.
[13]	王静, 刘嘉星, 宋婉莹, 薛嘉兴, 丁温欣. 基于空间变换网络和特征分布校准的小样本皮肤图像分类模型[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2720-2726.
[14]	袁志超, 杨磊, 田井林, 魏晓威, 李康顺. 面向复杂约束多目标优化问题的双种群双阶段进化算法[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2656-2665.
[15]	林进浩, 罗川, 李天瑞, 陈红梅. 基于跨尺度注意力网络的胸部疾病分类方法[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2712-2719.