计算机科学 ›› 2006, Vol. 33 ›› Issue (9): 157-158.
• 计算机网络与信息安全 • 上一篇 下一篇
李芸
出版日期:
发布日期:
基金资助:
LI Yun （Guangdong Textikle Polytechnic, Foshan 528041 ）
Online:
Published:
摘要： 贝叶斯方法是概率统计学中一种很重要的方法。分类知识发现是数据挖掘的一项重要内容，研究各种高性能、高速度的分类算法是数据挖掘面临的主要问题之一。本文介绍了贝叶斯信念网络，并针对传统算法在对海量数据进行分类时速度较慢的缺点．提出了压缩候选的贝叶斯信念网络构造算法。它在不影响原有算法的可靠性的前提下，大大提高了学习速度。并通过在实际工作的执行情况来证明该算法的有效性。
关键词: 贝叶斯网络 分类 数据挖掘
Abstract: Bayesian approach is an important method in statistics. Data classification is an important task of data miming. To discover a high-performance, high-speed classification is one of key problems for data mining. In this paper, we introduce the Bayesian bel
Key words: Bayesian belief network, Classification, Data mining
李芸. 基于贝叶斯信念网络的数据分类挖掘算法[J]. 计算机科学, 2006, 33(9): 157-158. https://doi.org/
LI Yun （Guangdong Textikle Polytechnic, Foshan 528041 ）. [J]. Computer Science, 2006, 33(9): 157-158. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2006/V33/I9/157
Cited
首页