基于Copula理論的兩種分類算法研究.pdf

1、分類問題是機器學習領域的基本研究問題之一，它在實際中應用非常廣泛。樸素貝葉斯分類器是一種簡單有效的分類器，它基于屬性間的獨立性假設?；诮y(tǒng)計學習理論的支持向量機，在處理小樣本、非線性及高維模式識別問題中表現(xiàn)出了一些特有的優(yōu)勢。
　　 本文簡要地介紹了關于樸素貝葉斯分類器和支持向量機的基本理論，包括樸素貝葉斯分類模型，機器學習的基本問題，統(tǒng)計學習理論的基本內(nèi)容，支持向量機分類算法，Copula函數(shù)的原理及性質(zhì)。本文針對樸素貝葉斯分

2、類器和支持向量分類機提出了兩種改進的分類算法。
　　 針對樸素貝葉斯分類器的屬性獨立性假設的不足，利用Copula的理論提出了基于Copual的貝葉斯分類算法，進一步擴展了樸素貝葉斯分類器，實驗結(jié)果表明，基于Copula的貝葉斯分類算法取得了較好的分類效果。
　　 本文還構(gòu)造了基于馬氏距離和Copula函數(shù)的距離映射和條件概率映射，將高維空間中的樣本轉(zhuǎn)化為二維空間中的新樣本，并對新樣本進行簡易處理，構(gòu)建了可分支持向量分類