论文部分内容阅读
分类问题是模式识别和数据挖掘领域中的重要内容，贝叶斯分类是一种经典的分类算法；LYQ神经网络在分类问题方面也有广泛的研究和应用；在实际分类应用中选择高效、稳定的分类算法非常重要。文章选用UCI机器学习仓库中的三个数据集，对贝叶斯分类和LVQ神经网络在分类问题上进行了分类正确率、稳定性、分类效率三方面的实验研究，实验结果表明，贝叶斯分类相比LVQ神经网络来说，具有更高的分类正确率、稳定性和分类效率，该结论为选择这两种分类算法提供了参考依据。