一种混合分类方法的研究与改进

• 作者: 聂盼盼 臧冽 黄越
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 神经网络 贝叶斯分类 支持向量机 数据挖掘
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 48-52
• 分类号: TP393
• 字数: 2535字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2012.05.012

摘要

多分类器组合是提高识别效果的一条有效途径.根据神经网络适用于处理准确率高、非线性的样本,贝叶斯分类具有快速稳健的特征,以及支持向量机处理小样本、非线性及高维模式识别问题的优势,提出了神经网络+贝叶斯+SVM混合分类方法.该方法利用BP神经网络和Bayes分类器对测试样本进行判决,如果判决结果一致,则直接输出分类结果,如果结果不一致,引入支持向量机进行二次判决.实验结果表明,该方法所确定的分类器优于单一的分类器判决.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄越	南京航空航天大学计算机科学与技术学院	1	1	1.0	1.0
2	臧冽	南京航空航天大学计算机科学与技术学院	1	1	1.0	1.0
3	聂盼盼	南京航空航天大学计算机科学与技术学院	3	32	1.0	3.0