会议论文《利用Boosting算法提升k依赖贝叶斯分类器分类性能》发表于2010年国际信息技术与应用论坛。该文探讨了如何通过集成学习中的Boosting算法改进k-Dependent Bayesian Classifier（KDB）的分类效果。作者提出了一种结合Boosting与KDB的方法，有效提升了分类器的准确性和稳定性。实验结果表明，该方法在多个数据集上均取得了优于传统KDB的性能表现。
文档为pdf格式，0.22MB，总共3页。
举报
