计算和数学方法在医学
研究文章

生物医学文本分类基于整体造型修剪和优化的主题

表7

比较的文本分类方案与传统分类器,合奏学习者,合奏修剪方法(BA-LDA (DB)表示)。
分类算法 oh5 oh10 oh15 ohscal ohsumed
注 87.67 81.42 87.44 83.64 47.09
支持向量机 88.97 82.22 88.16 85.32 50.08
装袋+注 89.32 83.35 88.87 83.47 48.52
装袋+支持向量机 88.03 84.84 87.86 83.92 50.73
演算法+注 89.77 83.60 87.48 86.18 51.18
演算法+支持向量机 88.18 84.95 87.35 86.29 51.85
RandomSubspace +注 88.32 83.96 86.66 88.09 50.70
RandomSubspace +支持向量机 88.56 84.11 89.58 88.29 50.29
叠加 88.28 86.87 88.93 84.90 53.84
ESM 88.58 86.66 90.25 88.48 51.94
东德(BES) 89.29 86.00 90.98 89.12 52.47
LibD3C 90.35 87.95 91.27 90.48 53.41
清洁发展机制 91.51 89.61 93.17 91.33 54.47
提出了方案 93.14 91.29 93.76 92.14 58.17
注:朴素贝叶斯算法,支持向量机:支持向量机,ESM:系综选择从模型库,喜神贝斯:装袋合奏选择,LibD3C:基于k - means和动态选择混合合奏修剪,修剪和清洁发展机制:合奏基于多样性措施相结合。