簡單貝氏分類器是一種根據貝氏定理的應用方法，此方法的特徵之間有著強大獨立性假設，為了避免每多一個維度，整個資料複雜度將會成幾何倍數的增加，所以欲使獨立性假設的成立，首先，本研究運用主成分分析法得到不相關的轉換特徵，接著，根據以轉換特徵為基礎的貝氏演算法，將訓練資料的機率分布對於每一個特徵作變換並進行評估，基於貝氏獨立性假設，使聯合可能性為每個測試的貝氏分類，以混合演算法應用於NSL-KDD 99資料集進行入侵精確檢測評估，本研究實驗結果證明，主成分分析基本上可以增加簡單貝氏分類器的檢測精度。

Naive Bayesian Classifier is a simple probabilistic classifier which applies Bayes' theorem based on strong (naive) independence assumptions between the features to avoid the curse of dimensionality. We first apply principal component analysis to obtain the uncorrelated transformed features and then apply Naive Bayes algorithm based on the transformed features. The distribution for each transformed feature is evaluated based on the training dataset. Based on Naive Bayes independence assumptions, the joint likelihood for each testing instance is evaluated for Bayesian classification. The proposed hybrid algorithm is evaluated through the accuracy for detecting anomaly-based intrusion on NSL-KDD dataset. The experimental results demonstrate that principal component analysis can (substantially) increase the detection accuracy of the Naive Bayesian classifier.

[1] 蔡宗欽（1998），使用多屬性關聯規則改善天真貝氏分類器之研究，南臺科技大學工業管理研究所，碩士論文。
[2] 徐芳玲（2002），以主成分分析應用在決策樹名目屬性值之二元分割上，國立成功大學資訊管理研究所，碩士論文。
[3] 張良豪（2002），利用貝氏屬性挑選法與先驗分配提升簡易貝氏分類器之效能，國立成功大學工業與資訊管理學系，碩士論文。
[4] 張結雄（2002），使用主成分分析及貝氏網路方法於離子植入製程之錯誤偵測與診斷，國立交通大學電機與控制工程學系，碩士論文。
[5] L.V.T. Harry（1968）, Detection, Estimation, and Modulation Theory, John Wiley and Sons.
[6] R.O. Duda and P.E. Hart（1973）, Pattern Classification and Scene Analysis, John Wiley and Sons.
[7] R.E. Walpole and R.H. Myers（1998）, Probability and Statistics for Engineers and Scientists, Prentice Hall.