典型文献
基于互信息与层次聚类双重特征选择的改进朴素贝叶斯算法
文献摘要：
根据朴素贝叶斯算法的特征条件独立假设,提出一种基于互信息和层次聚类双重特征选择的改进朴素贝叶斯算法.通过互信息方法剔除不相关的特征,然后依据欧氏距离将删减后的特征进行分层聚类,通过粒子群算法得到聚类簇的数量,最后将每个聚类簇中与类别互信息最高的特征合并为特征子集,并由朴素贝叶斯算法得到分类准确率.根据实验结果可知,该算法可以有效减少特征之间的相关性,提升算法的分类性能.
文献关键词：
朴素贝叶斯;双重特征选择;互信息;层次聚类
中图分类号：
作者姓名：
李欣倩;杨哲;任佳
作者机构：
浙江理工大学机械与自动控制学院,浙江杭州310018
文献出处：
引用格式：
[1]李欣倩;杨哲;任佳-.基于互信息与层次聚类双重特征选择的改进朴素贝叶斯算法)[J].测控技术,2022(02):36-40,69
A类：
双重特征选择
B类：
互信息,层次聚类,朴素贝叶斯算法,特征条件,信息方法,不相关,欧氏距离,删减,分层聚类,粒子群算法,特征合并,特征子集,分类准确率,分类性能
AB值：
0.230825
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
