模式分类方法比较研究

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。

关键词：模式分类、UCI数据库、数据分类、模式识别

分类号：TP39(计算技术、计算机技术)

资助基金：安徽大学青年骨干教师培养对象经费资助项目;安徽省科技攻关计划科技强警专项资金资助项目1301b042020;高等学校博士学科点专项科研基金联合资助课题20133401110009

在线出版日期：2015-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：99-102