论文研究基于DPCM与Hilbert扫描的灰度图像无损压缩方法.pdf

朴素贝叶斯分类是一种简单而高效的方法，但是它的属性独立性假设，影响了它的分类性能。通过放松朴素贝叶斯假设可以增强其分类效果，但通常会导致计算代价大幅提高。提出了属性加权朴素贝叶斯算法，该算法通过属性加权来提高朴素贝叶斯分类器性能，加权参数直接从训练数据中学习得到。权值可以看作是计算某个类的后验概率时，某属性取值对该类别的影响程度。实验结果表明，该算法可行而且有效。