针对传统的单一算法对垃圾邮件进行过滤效果不理想的问题，在分析和研究最小风险贝叶斯算法和AdaBoost算
法的基础上，将两者结合在一起，提出一种基于AdaBoost的最小风险贝叶斯的垃圾邮件过滤算法，将其应用到垃圾邮件过滤
中，并分别与最小风险贝叶斯算法和AdaBoost算法的过滤效果进行比较，结果表明，该算法能够有效提高邮件过滤的准确率，
改善垃圾邮件过滤系统的整体性能。
2021-05-16 09:12:33
247KB
1
最简单的贝叶斯决策，已知先验概率和类条件概率密度，根据一个特征进行分类。（不是很高级的代码，但是能够帮助理解贝叶斯决策）
2021-04-19 22:48:15
1KB
1
信息增益是文本分类中一种有效的特征项选择方法，针对垃圾邮件过滤中的特征项选择问题，提出了一种改进的信息增益方法提取特征词，并采用了最小风险贝叶斯的决策方法，最后在英文语料库上进行实验，实验结果表明改进后的方法降低了过滤器对合法邮件的误判。
2021-01-30 23:03:59
564KB
1
基于最小风险贝叶斯决策对细胞异常与否的分析，.m文件，代码框架明确，备注清晰，有利于学习，可直接更改数据及参数用于其他方面的分析。
2019-12-21 22:08:00
1KB
1
利用100个男女训练集样本，使用贝叶斯分类器判别男女。1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。2.分别在男女相关不相关的情况下分析结果正确率。3.设定不同的风险，采用最小风险的Bayes决策重复上面实验。
2019-12-21 21:45:51
702KB
1