一种结合反馈信息的贝叶斯分类增量学习方法.PDF

31 9 Vol． 31 No． 9 第 卷第 期 计算机应用 2011 9 Journal of Computer Applications Sep． 2011 年 月 文章编号:1001 － 9081 (2011)09 － 2530 － 04 doi :10 ． 3724 / SP． J． 1087 ． 2011． 02530 一种结合反馈信息的贝叶斯分类增量学习方法 1，2 3 1，2 ， ， 许明英 尉永清 赵 静 (1． ， 2500 14 ;2 ． ， 2500 14 ; 山东师范大学信息科学与工程学院 济南 山东省分布式计算机软件新技术重点实验室 济南 3 ． ， 2500 14 ) 山东警察学院公共教学部 济南 ( xumingying0612@ 163 ． com) : ， ， 。 摘 要 贝叶斯分类器形成初期 训练集不完备 生成的分类器性能不理想且不能动态跟踪用户需求 针对此缺 ， 。 ， 陷 提出一种结合反馈信息的贝叶斯分类增量学习方法 为有效降低特征间的冗余性 提高反馈特征子集的代表能 ， 。 力 用一种基于遗传算法的改进特征选择方法选取反馈集中最优特征子集修正分类器 通过实验分析了算法的性 ， ， 。 能 结果证明该算法能明显优化分类效果 且整体稳定性较好 : ; ; ; ; 关键词 反馈信息 遗传算法 特征选择 朴素贝叶斯 增量学习 中图分类号:TP183 文献标志码:A Incremental learning method of Bayesian classification combined with feedback information XU Ming-ying1 ，2 ， WEI Yong-qing3 ， ZHAO Jing1 ，2 ( 1． School of Inf ormation Science and Engineering ， Shandong Normal University ， Jinan Shandong 2500 14 ， China ; 2． Shandong Provincial Key Laboratory