不确定性数据的分类方法研究综述

• 作者: 李绍稳 杨阳 沈杰 许高建
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 不确定性数据 分类 支持向量机 朴素贝叶斯 决策树
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 计算机应用
• 页码范围: 96-99
• 页数: 4页
• 分类号: TP301
• 字数: 3972字
• 语种: 中文

摘要

传统的数据挖掘分类方法能够成功地应用于确定性数据分类,但却无法满足绝大多数领域中复杂的不确定性数据的分类需求,由此出现了一系列针对不确定性数据的分类方法.通过大量研究,目前经典的分类算法及针对不确定数据分类的改进方法得到了很大发展,如改进后的支持向量机算法、朴素贝叶斯算法、决策树算法等日渐成熟.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李绍稳	安徽农业大学信息与计算机学院	97	1070	16.0	30.0
2	许高建	安徽农业大学信息与计算机学院	23	121	5.0	10.0
3	杨阳	安徽农业大学信息与计算机学院	4	5	1.0	2.0
4	沈杰	安徽农业大学信息与计算机学院	2	0	0.0	0.0