文件名称:一种改进的最大相关最小冗余选择性贝叶斯分类器 (2012年)
文件大小:291KB
文件格式:PDF
更新时间:2024-06-13 21:41:40
自然科学 论文
利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMRSBC。一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险。另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数。实验结果表明,与mRMRSBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题。