基于贝叶斯和F-measure感知机的分类器设计

摘要

cqvip:当样本特征向量交织时,分类很容易出错。为解决这个问题,提出一种基于Bayes和F-measure的分类器算法。采用替代方法评估分类器的性能正受到关注,特别是对于不平衡的问题。该算法利用F-measure分析不平衡数据的分类准确度,将类概率密度函数引入判据,并采用梯度下降法得到准则函数。文中将所提出的方法与传统方法进行比较,实验结果表明,该方法能够有效提高识别的准确率和精确度。