不确定数据的朴素贝叶斯分类
传统的机器学习和数据挖掘分类算法是在假设数据是完整精确的前提下进行的,然而在实际的应用中,由于数据存在不确定性,使这种假设很难成立.数据的不确定性可能是由多种原因导致的,比如测量错误、隐私保护以及传感器搜集的不确定信息等等.本文研究在不确定数据中使用朴素贝叶斯分类方法进行分类问题....
Gespeichert in:
| Veröffentlicht in: | 洛阳师范学院学报 2016, Vol.35 (2), p.19-21 |
|---|---|
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | chi |
| Schlagworte: | |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 21 |
|---|---|
| container_issue | 2 |
| container_start_page | 19 |
| container_title | 洛阳师范学院学报 |
| container_volume | 35 |
| creator | 马恺 |
| description | 传统的机器学习和数据挖掘分类算法是在假设数据是完整精确的前提下进行的,然而在实际的应用中,由于数据存在不确定性,使这种假设很难成立.数据的不确定性可能是由多种原因导致的,比如测量错误、隐私保护以及传感器搜集的不确定信息等等.本文研究在不确定数据中使用朴素贝叶斯分类方法进行分类问题. |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour_chong</sourceid><recordid>TN_cdi_wanfang_journals_lysfxyxb201602006</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>669832167</cqvip_id><wanfj_id>lysfxyxb201602006</wanfj_id><sourcerecordid>lysfxyxb201602006</sourcerecordid><originalsourceid>FETCH-LOGICAL-c616-c3f32f98bb50f932e863c1f1c4beb344f8345bde4d9b6f0418dab97253ba789a3</originalsourceid><addsrcrecordid>eNotzT9Lw0AcxvEbFCy1b8JFHAK_u9_lcjdK8R8UXLqHu0uuRmqqCWKzi7gUJx1KBX0DUSGI4NsxiS_DQJ2e5cPz3SA9CqA8rgLYIoM8TwwAUM4VQI_s_nwt2teyLpfN43uzKNvlbbOq2urlt3quHz6bp7f6_q79-N4mm05P83jwv30yPjwYD4-90enRyXB_5FlBhWfRIXNKGuODU8hiKdBSRy03sUHOnUTumyjmkTLCAacy0kYFzEejA6k09sne-vZGp06nk_B8dp2lXTCcFrmbF3PDgApgAKKzO2trz2bp5Crp9GWWXOisCIVQEhkVAf4BBTdXBg</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>不确定数据的朴素贝叶斯分类</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>马恺</creator><creatorcontrib>马恺</creatorcontrib><description>传统的机器学习和数据挖掘分类算法是在假设数据是完整精确的前提下进行的,然而在实际的应用中,由于数据存在不确定性,使这种假设很难成立.数据的不确定性可能是由多种原因导致的,比如测量错误、隐私保护以及传感器搜集的不确定信息等等.本文研究在不确定数据中使用朴素贝叶斯分类方法进行分类问题.</description><identifier>ISSN: 1009-4970</identifier><language>chi</language><publisher>辽宁对外经贸学院,辽宁大连,116052</publisher><subject>不确定数据 ; 分类 ; 朴素贝叶斯</subject><ispartof>洛阳师范学院学报, 2016, Vol.35 (2), p.19-21</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/83894A/83894A.jpg</thumbnail><link.rule.ids>314,776,780,4009</link.rule.ids></links><search><creatorcontrib>马恺</creatorcontrib><title>不确定数据的朴素贝叶斯分类</title><title>洛阳师范学院学报</title><addtitle>Journal of Luoyang Teachers College</addtitle><description>传统的机器学习和数据挖掘分类算法是在假设数据是完整精确的前提下进行的,然而在实际的应用中,由于数据存在不确定性,使这种假设很难成立.数据的不确定性可能是由多种原因导致的,比如测量错误、隐私保护以及传感器搜集的不确定信息等等.本文研究在不确定数据中使用朴素贝叶斯分类方法进行分类问题.</description><subject>不确定数据</subject><subject>分类</subject><subject>朴素贝叶斯</subject><issn>1009-4970</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2016</creationdate><recordtype>article</recordtype><recordid>eNotzT9Lw0AcxvEbFCy1b8JFHAK_u9_lcjdK8R8UXLqHu0uuRmqqCWKzi7gUJx1KBX0DUSGI4NsxiS_DQJ2e5cPz3SA9CqA8rgLYIoM8TwwAUM4VQI_s_nwt2teyLpfN43uzKNvlbbOq2urlt3quHz6bp7f6_q79-N4mm05P83jwv30yPjwYD4-90enRyXB_5FlBhWfRIXNKGuODU8hiKdBSRy03sUHOnUTumyjmkTLCAacy0kYFzEejA6k09sne-vZGp06nk_B8dp2lXTCcFrmbF3PDgApgAKKzO2trz2bp5Crp9GWWXOisCIVQEhkVAf4BBTdXBg</recordid><startdate>2016</startdate><enddate>2016</enddate><creator>马恺</creator><general>辽宁对外经贸学院,辽宁大连,116052</general><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>~WA</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2016</creationdate><title>不确定数据的朴素贝叶斯分类</title><author>马恺</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c616-c3f32f98bb50f932e863c1f1c4beb344f8345bde4d9b6f0418dab97253ba789a3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2016</creationdate><topic>不确定数据</topic><topic>分类</topic><topic>朴素贝叶斯</topic><toplevel>online_resources</toplevel><creatorcontrib>马恺</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库- 镜像站点</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>洛阳师范学院学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>马恺</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>不确定数据的朴素贝叶斯分类</atitle><jtitle>洛阳师范学院学报</jtitle><addtitle>Journal of Luoyang Teachers College</addtitle><date>2016</date><risdate>2016</risdate><volume>35</volume><issue>2</issue><spage>19</spage><epage>21</epage><pages>19-21</pages><issn>1009-4970</issn><abstract>传统的机器学习和数据挖掘分类算法是在假设数据是完整精确的前提下进行的,然而在实际的应用中,由于数据存在不确定性,使这种假设很难成立.数据的不确定性可能是由多种原因导致的,比如测量错误、隐私保护以及传感器搜集的不确定信息等等.本文研究在不确定数据中使用朴素贝叶斯分类方法进行分类问题.</abstract><pub>辽宁对外经贸学院,辽宁大连,116052</pub><tpages>3</tpages></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1009-4970 |
| ispartof | 洛阳师范学院学报, 2016, Vol.35 (2), p.19-21 |
| issn | 1009-4970 |
| language | chi |
| recordid | cdi_wanfang_journals_lysfxyxb201602006 |
| source | 国家哲学社会科学学术期刊数据库 (National Social Sciences Database) |
| subjects | 不确定数据 分类 朴素贝叶斯 |
| title | 不确定数据的朴素贝叶斯分类 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-23T17%3A15%3A27IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour_chong&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E4%B8%8D%E7%A1%AE%E5%AE%9A%E6%95%B0%E6%8D%AE%E7%9A%84%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB&rft.jtitle=%E6%B4%9B%E9%98%B3%E5%B8%88%E8%8C%83%E5%AD%A6%E9%99%A2%E5%AD%A6%E6%8A%A5&rft.au=%E9%A9%AC%E6%81%BA&rft.date=2016&rft.volume=35&rft.issue=2&rft.spage=19&rft.epage=21&rft.pages=19-21&rft.issn=1009-4970&rft_id=info:doi/&rft_dat=%3Cwanfang_jour_chong%3Elysfxyxb201602006%3C/wanfang_jour_chong%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=669832167&rft_wanfj_id=lysfxyxb201602006&rfr_iscdi=true |