《表1 每个算法超过5次执行的性能值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于贝叶斯和F-measure感知机的分类器设计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将本文提出的算法与传统的朴素贝叶斯分类器进行比较。图4显示了所提出的算法和传统的朴素贝叶斯分类器在β变化时的鲁棒性。表1给出了实验结果的详细情况，每个算法执行5次。所提出算法的参数为β=1，C=1。实验的收敛速度取决于初始向量W（1）和C。从表1可以看出，朴素贝叶斯分类器具有差的F-measure、召回率和准确率。本文所提出的算法得到了更好的F-measure，得到了更高的召回率和准确率。由于样本的特征向量不是完全独立的，所以本文提出的方法比传统的朴素贝叶斯分类器具有更高的识别率。