模式分类方法比较研究

• 作者: 刘政怡 檀何凤
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 模式分类 UCI数据库 数据分类 模式识别
• 年，卷（期）: 2015,（2）
• 页码范围: 99-102
• 页数: 4页
• 分类号: TP39
• 字数: 2928字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.02.023

摘要

模式分类方法是模式识别的关键。文中重点研究了支持向量机、BP神经网络、K近邻、朴素贝叶斯、线性判别分析和二次判别分析共六种模式分类方法，并利用MATLAB对UCI上的数据集进行了分类测试，根据测试结果分析了数据集的样本数、特征数、类别数对每一种模式分类方法的准确率和运行时间的影响。结果表明，在对一些小数据进行分类时，可以采用朴素贝叶斯、K近邻、线性判别分析方法，而对于大的数据集，支持向量机、BP神经网络、二次判别分析分类方法则比较适合，但对运行时间要求严格的分类不能采用BP神经网络方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘政怡	安徽大学计算机科学与技术学院	50	241	9.0	12.0
2	檀何凤	安徽大学计算机科学与技术学院	2	16	2.0	2.0