文件名称：基于NaiveBayes的CLIF_NB文本分类学习方法
文件大小：244KB
文件格式：PDF
更新时间：2013-10-27 14:56:25
朴素贝叶斯 文本分类
针对N aive Bayes 方法中条件独立性假设常常与实际相违背的情况, 提出了CL IF- NB 文本分类学习方法, 利用互信息 理论, 计算特征属性之间的最大相关性概率, 用变量集组合替代线性不可分属性, 改善条件独立性假设的限制, 并通过学习一系列分类器, 缩小训练集中的分类错误, 综合得出分类准确率较高的CL IF- NB 分类器.