论文部分内容阅读
满足条件独立性假设时，朴素贝叶斯分类器理论上比其它分类方法具有更高的分类正确率，但该假设在许多实际情况中并不成立，针对这一问题，提出了一种基于因子分析的朴素贝叶斯分类模型FA-NBC，并将其应用于边坡的稳定性识别。为了保证朴素贝叶斯分类器结构上的简单性，FA．NBC模型以方差贡献为依据构建新的属性集，新属性集包含原属性集的大部分信息且满足条件独立性假设。UCI数据集上的实验结果证明了FA-NBC模型的有效性。