1、生命科學(xué)技術(shù)的快速發(fā)展產(chǎn)生了大量的生物數(shù)據(jù)，形成了多種多樣的復(fù)雜體系，如何從這些數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的知識(shí)及規(guī)律，成為目前理論與實(shí)踐研究的熱點(diǎn)與難點(diǎn)。為了快速且全面的處理如此多的生物數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)成了大部分研究者的首選，旨在利用數(shù)據(jù)挖掘的方法，在已有數(shù)據(jù)的基礎(chǔ)之上發(fā)現(xiàn)相應(yīng)的規(guī)律和知識(shí)進(jìn)而指導(dǎo)與解釋生物實(shí)驗(yàn)與生命現(xiàn)象，加速對(duì)生命本質(zhì)特征的認(rèn)識(shí)。
　　 分類是數(shù)據(jù)挖掘中重要的內(nèi)容，也成為各學(xué)科研究的重點(diǎn)。樸素貝葉斯分類器是一種簡(jiǎn)單且

2、高效的分類器，它是在貝葉斯定理的基礎(chǔ)上，通過(guò)條件獨(dú)立性假設(shè)，將計(jì)算消耗降低，預(yù)測(cè)未知數(shù)據(jù)樣本，并且對(duì)高維數(shù)據(jù)分類有良好的表現(xiàn)。但樸素貝葉斯限制條件較強(qiáng)，影響其在現(xiàn)實(shí)應(yīng)用中的分類性能。通常對(duì)樸素貝葉斯的改進(jìn)一般從兩方面進(jìn)行，即屬性間的依賴關(guān)系和分類器的整體技術(shù)。本文著眼于分類器整體技術(shù)和屬性選擇，提出了二次建模的加權(quán)樸素貝葉斯，結(jié)果表明該算法在相對(duì)較大的樣本集中取得了較好的效果。
　　 屬性選擇作為一種數(shù)據(jù)預(yù)處理的技術(shù)，有著重要的