文档简介
介绍增量贝叶斯分类器的原理，提出一种基于类支持度的优化增量贝叶斯分类器学习算法。在增量学习过程的样本选择问题上，算法引入一个类支持度因子λ，根据λ的大小逐次从测试样本集中选择样本加入分类器。实验表明，在训练数据集较小的情况下，该算法比原增量贝叶斯分类算法具有更高的精度，能大幅度减少增量学习样本优选的计算时间。关键词：贝叶斯分类器；分类算法；增量学习
评论
加载更多
推荐下载
查看更多
精选文集
相关视频
-
控制系统仿真与CAD
-
PLC功能指令应用详解
-
微波毫米波电路分析与设计
-
Android车载系统框架
-
天线原理与基本参数
-
嵌入式电机驱动 SoC NSUC1610 的座椅通风应用解说
推荐帖子
精选电路图
-
PIC单片机控制的遥控防盗报警器电路
-
使用ESP8266从NTP服务器获取时间并在OLED显示器上显示
-
带有短路保护系统的5V直流稳压电源电路图
-
如何构建一个触摸传感器电路
-
如何调制IC555振荡器
-
基于ICL296的大电流开关稳压器电源电路
