检验报告雷竞技app下载苹果版

调查-分类器融合

摘要

许多分类器融合方法最近已经开发了一种替代方法，导致分类性能的潜在改进。由于信息融合本身的理论很少，目前我们面临着针对不同问题设计不同的方法，产生不同的结果。本文综述了各种分类技术在融合技术中的应用，以获得最优的分类结果。分类是监督学习的一个例子。分类是一种数据挖掘功能，它将集合中的项分配给目标类别或类。分类的目标是准确地预测数据中每种情况下的目标类别，为了提高分类器的准确性，使用了许多分类技术，如k-最近邻(knn)、支持向量机(svm)、聚类等。近十年来数据速度的增长与日俱增。互联网产生了大量的非结构化数据，这些数据包括文本、文档、视频和图像。数据的挖掘需要分类。分类作为监督学习的一部分，在这种技术中，数据的挖掘是以一种有指导的方式进行的。我们客观地回顾了与数据分类相关的各种研究和期刊论文，使用了不同的方法，如knn(k-nearest neighbour)， svm(support vector machine)，聚类和分类。在最近的研究中，数据挖掘发展出一种新的新兴技术，这种技术被称为数据融合。

Kanchan Saxena和Vineet Richaria

阅读全文下载全文|访问全文