朴素贝叶斯分类算法是一种基于贝叶斯定理的简单概率分类方法，具有计算高效、易于实现等优点，广泛应用于文本分类、垃圾邮件过滤等领域。然而，传统朴素贝叶斯算法存在特征独立性假设过强、对缺失数据敏感等局限性。近年来，研究者们提出了多种改进方法，如引入特征加权、半朴素贝叶斯、贝叶斯网络等，以提升分类性能。此外，朴素贝叶斯算法在医疗诊断、情感分析、推荐系统等实际场景中也展现出良好的应用效果。本文综述朴素贝叶斯分类算法的改进策略及其应用进展，为相关研究提供参考。