[发明专利]基于增量朴素贝叶斯网多分类器集成方法有效
| 申请号： | 200810050425.8 | 申请日： | 2008-02-29 |
| 公开（公告）号： | CN101251851A | 公开（公告）日： | 2008-08-27 |
| 发明（设计）人： | 刘大有;关菁华;黄晶;齐红 | 申请（专利权）人： | 吉林大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 吉林长春新纪元专利代理有限责任公司 | 代理人： | 余岩 |
| 地址： | 130012吉*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于增量朴素贝叶斯网多分类器集成方法，包括初始化集成分类器及各主要参数；如果没有新数据，结束；使用当前集成分类器预测新数据项的类别；动态更新所有个体分类器的参数值；更新所有个体分类器的权重；如果当前集成分类器对新数据的类别预测不发生错误，则使用新数据项训练集成分类器中的所有个体分类器；根据KL剪枝策略删除冗余个体分类器；增加一个新个体分类器；使用新数据项训练所有个体分类器。本发明能有效改善发生概念漂移时的分类预测结果。此方法特别适合于处理概念漂移问题。 | ||
| 搜索关键词： | 基于 增量 朴素 贝叶斯网多 分类 集成 方法 | ||
【主权项】：
1、一种基于增量朴素贝叶斯网多分类器集成方法，其特征在于包括下列步骤：初始化集成分类器及各主要参数；如果没有新数据，结束；使用当前集成分类器预测新数据项的类别；动态更新所有个体分类器的参数值；更新所有个体分类器的权重；如果当前集成分类器对新数据的类别预测不发生错误，则使用新数据项训练集成分类器中的所有个体分类器；根据KL剪枝策略删除冗余个体分类器；增加一个新个体分类器；使用新数据项训练所有个体分类器。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于吉林大学，未经吉林大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200810050425.8/，转载请声明来源钻瓜专利网。
