论文部分内容阅读
数据分类是数据挖掘的主要内容之一，通过分析训练数据样本，产生关于类别的精确描述。贝叶斯分类是数据挖掘领域中一种常用的有效分类方法。在关系学习中，贝叶斯分类算法有很多种，对这些算法进行总结、比较，指出其优点与不足，对提高分类效率有很大帮助。本文对已有的关系学习中贝叶斯分类算法作了详细的比较，并进行归纳总结。在单关系学习中重点介绍了几种基于粗糙集的贝叶斯分类器和加权贝叶斯分类算法，并分析了各种方法的模型、权值确定方法、优缺点及进一步工作方向。在多关系学习中主要比较了几种基于语义关系图的贝叶斯分类算法，重点介绍