[发明专利]基于属性值频率的实例加权方法及贝叶斯分类方法在审
| 申请号： | 201710648300.4 | 申请日： | 2017-08-01 |
| 公开（公告）号： | CN107506788A | 公开（公告）日： | 2017-12-22 |
| 发明（设计）人： | 蒋良孝;徐文强 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 武汉知产时代知识产权代理有限公司42238 | 代理人： | 郝明琴 |
| 地址： | 430074 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 属性 频率 实例 加权 方法 贝叶斯 分类 | ||
1.一种基于属性值频率的实例加权方法,其特征在于：包括如下步骤：
步骤101：设一个训练实例集x包括n个训练实例和包括m个属性变量A1，A2，…，Am,ai是属性变量Ai的取值，训练实例集x中第i个训练实例的第j个属性值为aij，用以下公式计算属性值aij训练实例集中出现的频率：
步骤102：基于上述公式得到的频率F(aij),对于训练实例集x中第i个训练实例，用以下公式得到它的权值wi：
上式中nj是属性变量Aj属性值的数目，通过上式得到训练实例集x中每一个训练实例的权值。
2.一种依托于权利要求1所述方法的贝叶斯分类方法，其特征在于：包括如下步骤：
步骤201：用步骤102得到的每一个训练实例的权值算出先验概率P(c)和条件概率P(aj|c)；
步骤202：将先验概率P(c)和条件概率P(aj|c)代入贝叶斯公式，得到分类结果。
3.如权利要求2所述的贝叶斯分类方法，其特征在于：步骤201中的先验概率P(c)和条件概率P(aj|c)由以下公式得到：
在上面公式中，nc是训练实例集x中类别的数目，nj是属性变量Aj属性值的数目，ci是训练实例集中第i个训练实例的类标记，δ(ci,c)是一个二值函数，当Ci＝C时取值为1，否则取值为0。
4.如权利要求3所述的贝叶斯分类方法，其特征在于：步骤202中分类结果由以下公式得到：
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国地质大学（武汉），未经中国地质大学（武汉）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710648300.4/1.html，转载请声明来源钻瓜专利网。
