模式分类方法比较研究.pdfVIP

第25卷 第2期 计 算 机 技 术 与 发 展 V01．25 No．2 2015年2月 COMPUTER TECHN0LOGY AND DEVELOPMENT Feb． 2015 模式分类方法比较研究 檀何凤，刘政怡 (安徽大学 计算机科学与技术学院，安徽 合肥 230601) 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、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、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 中图分类号：rI’P39 文献标识码 ：A 文章编号 ：1673—629X(2015)02—0099—04 doi：10．3969／j．issn．1673—629X．2015．02．023 ResearchonComparisonofPatternClassificationM ethod TAN He—feng，LIU Zheng-yi (CollegeofComputerScienceandTechnology，AnhuiUniversity，Hefei230601，China) Abstract：Patternclassificationmehtodisthekeytopatternrecognition．Itfocusesonsixp~tem classificationmehtods，includingsuppo rt vectormachine，BPneuralnetwork，k-nearestneighbor，naiveBayes，lineardiscriminantanalysisnadquadraticdiscriminnatnaalysis，nad testedbyusinghteMATLAB onUCIdatasets．Accordingtohteresults，na alyzehteinfluenceofhtenumberofsamples，features，catego— tiesfrom datasets tohteaccuracynadrunningtimeofsixclassificationmehtod s．TheresultsshowedhtatnaiveBayes，k-nearestneigh— bor，linera discriminnatna alysisalesuitableforsmalldaat sets，supportvcetormachine，BPneuralnetwork，quadraticdiscriminnatnaalysis ofrlargedaat sets．However，whenitisstricttohterunningtime，cannotusehteBP neuralnetwork． Keywords：pattern classification；UCIdatabase；dataclassification；pattem recognition O 引 言 法。文中利用MATLAB软件在UCI数据集上进行分 模式分类是通过构造一个分类函数或者分类模型 类，并对这六种分类方法的准确率和运行时间进行了 将数据集映射到某一个给定 的类别中，它是模式识别 比较，并从样本数、特征数