采用信息排序的SuperParent算法的研究

为了提高贝叶斯分类器的分类性能,Keogh提出了以分类效率为基础的扩展贝叶斯网络分类算法SuperParent-TAN,这是一种依赖一个属性(one dependence estimator)的贝叶斯网络。这种算法不足之处在于查找超父节点(Super-Parent)和创建分类器工作的反复进行,时间花费较大。为了提高这种算法的分类效率,同时保证分类率,设计了基于信息增益和基于互信息的两种排序算法。通过在Weka平台上对UCI中32个数据集合的实验表明,基于信息排序的优化算法可以在保持分类正确率同时降低分类花费。