排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
2.
小麦是人类社会重要的粮食资源之一,因此基于人工智能技术构建高效育种信息交互平台对于高质高产的小麦种植具有重要的战略价值。高效育种信息交互平台的搭建关键在于核心数据的准确识别与分类,基于此该研究提出了一种Naive Bayes(朴素贝叶斯)-AdaBoost策略,应用于小麦育种信息数据的分类与识别,并实现构筑交互平台。在该策略中AdaBoost主要用于对Naive Bayes的弱分类器进行迭代,形成强分类器,同时过滤并优化核心词汇,达到提高分类识别准确度的目的。结果显示,与传统Naive Bayes方法相比该方法准确率提高了12.2个百分点,识别的准确率达到99.2%,而此时基于Naive Bayes、决策树、支持向量机3种方法的准确率分别为87.0%、86.6%和85.6%。结果表明,该研究所提方法在面对复杂数据分类识别的场景中具有较大的应用潜力。 相似文献
1