声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1124/TP
国际刊号：1001-0920
发布日期:
作者：王蓓,孙玉东,金晶,张涛,王行愚
单位：华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海200237,,华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海200237,,华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海200237,,清华大学自动化系，北京100084,,华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海200237,
关键词：贝叶斯决策;相关性分析;类条件概率密度估计;D-vine Copula;模式识别;生物电信号
基金：国家自然科学基金项目(61773164)；上海市自然科学基金项目(16ZR1407500).
高斯判别分析、朴素贝叶斯等传统贝叶斯分类方法在构建变量的联合概率分布时,往往会对变量间的相关性进行简化处理,从而使得贝叶斯决策理论中类条件概率密度的估计与实际数据之间存在一定的偏差.对此,结合Copula函数研究特征变量之间的相关性优化问题,设计基于D-vine Copula理论的贝叶斯分类器,主要目的是为了提高类条件概率密度估计的准确性.将变量的联合概率分布分解为一系列二元Copula函数与边缘概率密度函数的乘积,采用核函数方法对边缘概率密度进行估计 ,通过极大似然估计对二元Copula函数的参数分别进行优化,进而得到类条件概率密度函数的形式.将基于D-vine Copula理论的贝叶斯分类器应用到生物电信号的分类问题上,并对分类效果进行分析和验证.结果表明,所提出的方法在各项分类指标上均具备良好的性能.
来源：2019年第6期
《控制与决策》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。