：朴素贝叶斯分类器是一种简单而高效的分类器，但是它的属性独立性假设使其无法表示现实世界属性之间的依赖关 系，以及它的被动学习策略，影响了它的分类性能。本文从不同的角度出发，讨论并分析了三种改进朴素贝叶斯分类 性能的方法。为进一步的研究打下坚实的基础。-: Naive Bayesian classifier is a simple and efficient classifier, but its attribute independence assumption that the rea

贝叶斯分类器的设计，其中包括协方差相等与不等时的两类情况，分类效果很好-Bayesian classifier design, including equal and unequal covariance of two categories, very good classification performance