一种有效的多关系贝叶斯分类算法

邓左祥; 涂芳

Chinese

您当前的位置：

首页 >

文章列表页 >

一种有效的多关系贝叶斯分类算法

更新时间：2026-09-04

- 一种有效的多关系贝叶斯分类算法
- Efficient Multi-relational Bayesian Classification Algorithm
- 微电子学与计算机 2017年34卷第7期页码：123-127
- 作者机构：
  
  1. 广西科技大学计算机科学与通信工程学院,广西,柳州,545006
  2. 广西科技大学机构智能计算与分布式信息处理重点实验室培育基地,广西,柳州,545006
  3. 上海交通大学电子信息与电气工程学院,上海,200240
  4. 上汽通用五菱汽车股份有限公司技术中心产品认证科,广西,柳州,545007
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61472254国家自然科学基金 61472255国家自然科学基金 61420106010国家自然科学基金 61650203广西教育厅项目 2017KY0352
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
邓左祥, 涂芳. 一种有效的多关系贝叶斯分类算法[J]. 微电子学与计算机, 2017, 34(7): 123-127.

DENG Zuo-xiang, TU Fang. Efficient Multi-relational Bayesian Classification Algorithm[J]. 2017, 34(7): 123-127.
邓左祥, 涂芳. 一种有效的多关系贝叶斯分类算法[J]. 微电子学与计算机, 2017, 34(7): 123-127. DOI：

DENG Zuo-xiang, TU Fang. Efficient Multi-relational Bayesian Classification Algorithm[J]. 2017, 34(7): 123-127. DOI：

摘要

传统数据挖掘算法在处理多关系时

需要物理连接

因此存在效率不高的问题.为了解决这一问题

研究多关系数据挖掘中的分类问题

提出一种有效的多关系贝叶斯分类算法EMBC.EMBC算法的目标是提高分类的准确率

并且降低运行时间.EMBC算法利用元组ID传播的思想

结合朴素贝叶斯分类算法

可以直接在多关系上进行分类.实验表明

EMBC算法提高分类的准确率

并且显著降低运行时间.

Abstract

While dealing with multi-relation

traditional data mining algorithms used physical join

thus it had the problem of low efficiency. In order to solve this problem

the problem of classification in multi-relational data mining was investigated

and an efficient multi-relational Bayesian classification algorithm called EMBC was proposed. EMBC aims at increasing the accuracy of classification

and decreasing running time. By taking advantage of tuple ID propagation approach

and combined with naive Bayesian classification algorithm

EMBC can directly classify in multi-relation. Performance results demonstrate that

EMBC increases the accuracy of classification

and significantly decreases running time.

关键词

Keywords

references

YIN X, HAN J, YU P. Cross-relational clustering with user's guidance[C]// Proceedings of the 11th ACM SIGKDD Conference on Knowledge Discovery in Data Mining. Chicago: ACM SIGKDD, 2005: 344-353.

VAGHELA V, VANDRA K, MODI N. MR-MNBC: maxrel based feature selection for the multi-relational Naïve Bayesian Classifier[C]// Nirma University International Conference on Engineering. Ahmedabad: NUiCONE, 2013: 1-9.

杨秀荣. 并行数据库中异常数据优化分类挖掘方法研究[J]. 微电子学与计算机, 2015, 32(10): 125-128. DOI: 125

王曙霞, 熊曾刚. 海量数据干扰下的危险Web数据挖掘技术研究[J]. 微电子学与计算机, 2016, 33(2): 87-91. DOI: 87

刘红岩, 陈海亮. Graph-NB: 一种高效准确的多关系朴素贝叶斯分类算法[J]. 信息系统学报, 2016, 2(1): 1-11. DOI: 1

HAN J, KAMBER M. Data mining: concepts and techniques[M]. FAN M, MENG X, translated. 2nd ed. Beijing: China Machine Press, 2007: 200-206.

徐光美, 刘宏哲, 张敬尊. 基于特征加权的多关系朴素贝叶斯分类模型[J]. 计算机科学, 2014, 41(10): 283-285. DOI: 283

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种有效的多关系聚类算法

低功耗设计的双链电源关断策略的实现与验证

基于改进RT-DETR的航拍小目标检测算法

注意力机制与改进密集卷积引导的信息隐藏模型

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究