基于连续属性的贝叶斯分类方法应用研究的中期报告.docx

基于连续属性的贝叶斯分类方法应用研究的中期报告
中期报告：基于连续属性的贝叶斯分类方法应用研究
一、研究背景及意义
贝叶斯分类器是一种常用的分类方法，它基于贝叶斯定理，将一个事物划分到最有可能的类别中。在实际应用中，贝叶斯分类器被广泛应用于文本分类、垃圾邮件过滤等领域。然而，在分类变量和连续变量同时存在的情况下，基于贝叶斯分类器的模型需要经过特定的处理，以适应不同属性之间的联系。本研究的重点是基于连续属性的贝叶斯分类方法。
二、研究内容及方法
本研究通过收集和整理相关文献，结合本领域的经验和知识，对基于连续属性的贝叶斯分类方法进行了深入的研究和探讨。具体步骤如下：
1.了解贝叶斯分类器。对于基于贝叶斯分类器的基本模型进行了简要介绍，并介绍了它的优缺点。
2.了解基于连续属性的贝叶斯分类方法的基本概念和方法。针对该方法中分类值取连续实值的情况，进行了详细的分析和解释。
3.研究几种重要的基于连续属性的贝叶斯分类方法，包括高斯朴素贝叶斯法、多项式朴素贝叶斯法、半朴素贝叶斯分类法等。
4.对上述基于连续属性的分类方法进行了仿真实验，并对各种方法的优缺点进行了分析和总结。
三、研究进展及成果
在本研究中，我们着重研究了基于连续属性的贝叶斯分类方法。通过对相关文献和经验的分析和研究，我们对该方法的基本原理、实现过程和分类效果有了更深入的了解。
目前，我们已经完成了仿真实验，并获得了一些初步的结果。通过与其他分类器的比较，我们发现基于高斯分布的朴素贝叶斯法，在数据分类效果方面有着更优异的表现。但是该方法对于非高斯分布的数据表现并不够理想，故我们需要进一步深化研究，完善其其他分类方法。
四、未来计划
下一步，我们将进一步深入研究和探讨基于连续属性的贝叶斯分类方法。具体计划如下：
1.继续研究基于高斯分布的朴素贝叶斯法，探讨其在实际应用中的优缺点，并适当优化。
2.研究非高斯分布的朴素贝叶斯法等其他基于连续属性的分类方法，进行对比研究，探讨其实用性和分类效果。
3.分析和研究数据集的影响因素，了解实际应用中数据分类效果。
4.结合实际应用需求，优化分类器的相关参数和模型，提高分类效果。
五、参考文献
[1]ZhangF,HuQ,LiuY.AcomparativestudyofnaiveBayesclassifierandlogisticregressionanalysisonattitudeclassificationofmicro-blog[self].Wuhan:WuhanUniversity,2017.
[2]ZhangQ,ZhangY,FengQ,etal.Amethodofpedestriandetectionbasedonrandomforestandhogfeatures[C]//2017IEEE5thInternationalConferenceonInstrumentation,Measurement,Computer,CommunicationandControl(IMCCC).IEEE,2017:703-706.
[3]林轻松.基于贝叶斯以及Logistic回归技术的信用评分研究[J].经济研究导刊,2017(01):44-45+48.
[4]TanC,LiX,ZhangY,etal.Featureselectionfortextclassificationviachi-squarestatisticandmulti-objectivePSO[J].AppliedSoftComputing,2017,59:193-202.
[5]JaiswalSK,TiwariAK,KanheRC,etal.SignatureSegmentationusingKMeansClusteringforPersonVerification[C]//2018InternationalConferenceonElectronics,ComputingandCommunicationTechnologies(CONECCT).IEEE,2018:1-4.