计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
z1期
102-106,121
,共6页
机器学习%分类器%数据集%性能比较%识别精度
機器學習%分類器%數據集%性能比較%識彆精度
궤기학습%분류기%수거집%성능비교%식별정도
Machine learning%Classifier%Dataset%Performance comparsion%Recognition accuracy
分类问题是机器学习领域中的一个重要问题.给出了数字0-9的图象和26个英文大小写的图象格式的训练数据,对SVM、NB、RT、MLP、BOOST、Knearst 6种分类器的分类性能进行了测试和评估.实验结果表明,性能表现排名前3的分类器为SVM、NB、MLP.SVM具有更好的泛化能力,而NB和MLP对训练集的变化更为敏感;并且基于SVM方法的分类系统对字符和数字的识别精度达到94.2191％,高于现有文献的结果,系统识别性能具有更全和更准确的特点.
分類問題是機器學習領域中的一箇重要問題.給齣瞭數字0-9的圖象和26箇英文大小寫的圖象格式的訓練數據,對SVM、NB、RT、MLP、BOOST、Knearst 6種分類器的分類性能進行瞭測試和評估.實驗結果錶明,性能錶現排名前3的分類器為SVM、NB、MLP.SVM具有更好的汎化能力,而NB和MLP對訓練集的變化更為敏感;併且基于SVM方法的分類繫統對字符和數字的識彆精度達到94.2191％,高于現有文獻的結果,繫統識彆性能具有更全和更準確的特點.
분류문제시궤기학습영역중적일개중요문제.급출료수자0-9적도상화26개영문대소사적도상격식적훈련수거,대SVM、NB、RT、MLP、BOOST、Knearst 6충분류기적분류성능진행료측시화평고.실험결과표명,성능표현배명전3적분류기위SVM、NB、MLP.SVM구유경호적범화능력,이NB화MLP대훈련집적변화경위민감;병차기우SVM방법적분류계통대자부화수자적식별정도체도94.2191％,고우현유문헌적결과,계통식별성능구유경전화경준학적특점.
