基于最小分类误差的阈值优化方法设计

• 作者: 张梦婷 李星野
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: FLD 阈值 数据集 贝叶斯误差 平均分类精度
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 81-84
• 页数: 4页
• 分类号: TP301
• 字数: 3151字
• 语种: 中文
• DOI: 10.11907/rjdk.173205

摘要

传统Fisher线性判别(FLD)的常用阈值对特定数据集的分类精度存在明显差异.为提高分类精度,通过最小化贝叶斯误差对二分类问题的FLD阈值进行了优化设计.对UCI中的8个数据集进行验证,将所得的平均分类精度与常用阈值在这些数据集上所得的平均分类精度进行比较.结果表明,所提出的优化阈值分类效果显著,相比于常用阈值,在平均分类精度上有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李星野	上海理工大学管理学院	68	217	8.0	10.0
2	张梦婷	上海理工大学管理学院	1	0	0.0	0.0