一种混合分类方法的研究与改进

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.

关键词：神经网络、贝叶斯分类、支持向量机、数据挖掘

所属期刊栏目：22

分类号：TP393(计算技术、计算机技术)

在线出版日期：2012-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：48-52