一种基于朴素贝叶斯模型的数据分类改进方法技术

本发明专利技术公开了一种基于朴素贝叶斯模型的数据分类改进方法，包括数据分类改进方法包括如下步骤：步骤1：确定基于改进加权隐朴素贝叶斯的入侵检测方法；步骤2：针对采集得到的数据进行数据处理，同时对属性权值的确定，并建立基本模型；步骤3：数据处理中进行属性选择算法并进行数据离散化；步骤4：属性权值确定后进行计量加权系数，同时对基本模型进行扩展。本发明专利技术从属性选择方面对朴素贝叶斯模型进行优化。针对朴素贝叶斯的“条件独立性假设”，可以对属性进行选择，以取得一个最优属性子集，使得这个属性子集中属性之间的总体相关性最小。这样做就可以抵消一部分“条件独立性假设”带来的影响。影响。影响。

【技术实现步骤摘要】
一种基于朴素贝叶斯模型的数据分类改进方法


[0001]本专利技术涉及数据分类改进方法
，更具体为一种基于朴素贝叶斯模型的数据分类改进方法。

技术介绍

[0002]朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型(Naive Bayesian Model，NBM)。和决策树模型相比，朴素贝叶斯分类器(Naive Bayes Classifier或NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。
[0003]随着大数据时代的到来，实际采集到的数据类型越来越多样化，这些数据中往往会存在和研究无关或者冗余的属性，这就会对分类结果产生一些负面的影响。因此，需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于朴素贝叶斯模型的数据分类改进方法，其特征在于：包括数据分类改进方法包括如下步骤：步骤1：确定基于改进加权隐朴素贝叶斯的入侵检测方法；步骤2：针对采集得到的数据进行数据处理，同时对属性权值的确定，并建立基本模型；步骤3：数据处理中进行属性选择算法并进行数据离散化；步骤4：属性权值确定后进行计量加权系数，同时对基本模型进行扩展；步骤5：在步骤4确认加权系数后与基本模型扩展后建立加权隐朴素贝叶斯模型；步骤6：步骤5确认加权隐朴素贝叶斯模型后并将其应用在入侵检测中，并与现有成熟算法比较。2.根据权利要求1所述的一种基于朴素贝叶斯模型的数据分类改进方法，其特征在于：所...

【专利技术属性】
技术研发人员：魏光杏，李华，邹军国，戴月，陈银燕，苗孟君，
申请(专利权)人：滁州职业技术学院，
类型：发明
国别省市：