基于粒子群优化的朴素贝叶斯改进算法

来源：计算机工程杂志2018年第11期北京时间：

作者：邱宁佳,李娜,胡小娟,王鹏,孙爽滋

单位：长春理工大学 计算机科学技术学院,长春 130022

摘要：针对朴素贝叶斯(NB)算法因条件独立性的理想式假设引起分类性能降低的问题,提出一种改进的粒子群优化-朴素贝叶斯(PSO-NB)算法。在文本预处理时,引入权重因子、类内和类间离散因子进行属性约简,基于NB加权模型,将条件属性的词频比率作为其初始权值,利用PSO算法迭代寻找全局最优特征权向量,并以此权向量作为加权模型中各个特征词的权值生成分类器。运用经典数据集对PSO-NB算法进行性能分析,结果表明,改进算法可有效减少冗余属性,降低计算复杂度,具有较高的准确率和召回率。

关键词：朴素贝叶斯, 互信息, 属性约简, 粒子群优化算法, 权值优化

基金资助：吉林省科技发展计划重点科技攻关项目(20150204036GX);吉林省省级产业创新专项资金(2017C051)