论文部分内容阅读
针对朴素贝叶斯分类方法中属性值条件独立假设不适应实际情况的问题，提出了关联规则森林表示法及应用关联规则森林的改进贝叶斯分类算法（ABC算法）．ABC算法利用关联规则挖掘得到满足条件的关联规则，并由此来构造关联规则森林，而规则森林中所有根节点的概率与所有适用的规则置信度连乘，就得到所有属性值的联合概率．应用UDI数据集对分类器进行了测试，分类结果表明，ABC算法的分类准确率明显高于朴素贝叶斯分类算法，平均提高5％，特别是对属性问有着较强依赖关系的数据集，其分类准确率提高了37％．