J·阿尔杰。;Kärkkäinen，S。;Turpeinen，T。;K·迈斯纳。 使用贝叶斯分类器的新变体打破了二次判别分析模型中的维数灾难，增强了淡水大型无脊椎动物的自动分类鉴定。 （英语） 兹比尔1525.62062 环境计量学 24，第4期，248-259（2013）。 MSC公司： 62页第12页 统计在环境和相关主题中的应用 关键词：生物监测;分类;对应分析;随机贝叶斯阵列 软件：伦敦银行支持向量机;R（右）;Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{J.ala rje}等人，《环境计量学》24，第4期，248--259（2013；Zbl 1525.62062） 全文： 内政部 参考文献： [1] ArcherKJ，KimesRV。2008.随机森林变量重要性测度的实证特征。计算统计与数据分析52:2249-2260·Zbl 1452.62027 [2] BoserB、GuyonI、VapnikV。1992.一种用于最优边缘分类器的训练算法。《第五届计算学习理论年度研讨会论文集》，纽约ACM出版社。 [3] 布雷曼。1996年，装袋预测。机器学习24:123-140·Zbl 0858.68080号 [4] 布雷曼。2001.随机森林。机器学习45:5-32·Zbl 1007.68152号 [5] BreimanL，CutlerA。2008.随机森林分类手册，http://www.math.usu.edu/阿黛勒/森林/。 [6] BreimanL、CutlerA、LiawA、WienerM、Breiman和Cutler的分类和回归随机森林。2007.R包版本4.6-7http://CRAN.R网站‐project.org/。 [7] 布赫曼MD。2003年，《径向基函数：理论与实现》（CiarletPG（ed.）、IserlesA（ed·Zbl 1038.41001号 [8] ChangCC、LinCJ。2011.LIBSVM：支持向量机库。ACM智能系统与技术汇刊2（3）：27:1-27。 [9] 弗吉尼亚州科尔特斯市。支持向量网络。机器学习1995；20: 273-297. ·Zbl 0831.68098号 [10] 饮食TG。2000.构建决策树集合的三种方法的实验比较：打包、增强和随机化。机器学习40（2）：139-158。 [11] DudaRO、HartPE、StorkDG。2001.《图案分类》（第二版），威利出版社：纽约·Zbl 0968.68140号 [12] 弗里德曼JH。1989.正规判别分析。美国统计协会杂志84（405）：165-175。 [13] GreenacreM公司。2007年，《实践中的函件分析》（第二版），查普曼和霍尔出版社：伦敦·Zbl 1198.62061号 [14] HaaseP、PaulsSU、SchindehütteK、SundermanA。2010年，欧盟水框架指令监测项目对大型无脊椎动物样本的首次审计：人为错误大大降低了评估结果的精度。北美Benthological Society杂志29（4）：1279-1291。 [15] HairJF、TathamRL、AndersonRE、BlackW。1998年，《多元数据分析》（第5版），普伦蒂斯·霍尔：上鞍河。 [16] HallM、FrankE、HolmesG、PfahringerB、ReutemannP、WittenIH。2009年，Weka数据挖掘软件：更新。SIGKDD探索11（1）：10-18。 [17] HastieT、TibshiraniR、FriedmanJ。2009年，《统计学习的要素：数据挖掘、推断和预测》（第二版），施普林格出版社：纽约·Zbl 1273.62005年 [18] HsuCW、ChangCC、LinCJ。2003.支持向量分类的实用指南，网址：http://www.csie.ntu.edu.tw/cjlin/[2003年访问]。 [19] 兰利·约翰。1995年。贝叶斯分类器中的连续分布估计。《第十一届人工智能不确定性会议论文集》，摩根·考夫曼出版社：圣马特奥。 [20] JuholaM，JoutsijokiH。2012.Dagsvm vs.dagknn：利用底栖大型无脊椎动物数据集的实验案例研究。第八届机器学习和数据挖掘国际会议论文集（MLDM 2012），第7376卷，《Springer人工智能讲义》，Springer‐Verglag，柏林，海德堡；439-453. [21] KiranyazS、InceT、PulkkinenJ、GabboujM、Vala rjeJ、KärkkäinenS、TirronenV、JuholaM、TurpeineT、MeissnerK。大型无脊椎动物图像数据库的分类和检索。2011.生物与医学中的计算机41（7）：463-472。 [22] LangleyP、SageS。1994.选择性贝叶斯分类器的归纳。《第十届人工智能不确定性会议论文集》，摩根·考夫曼：西雅图；399-406. [23] LytleDA、Martínez‐MuñozG、Zhang W、LariosN、ShapiroL、PaaschR、MoldenkeA、MortensenEN、TodorovicS、Dietterich TG。2010年，底栖无脊椎动物样品的自动处理和鉴定。北美Benthological Society杂志29（3）：867-874。 [24] 多边环境协定。2005.千年生态系统评估。 [25] MichieD（编辑）、SpiegelhalterD（编辑”）、TaylorC（编辑）（编辑）。1994年，《机器学习、神经和统计分类》，Ellis Horwood人工智能系列，Ellis-Horwood:纽约·Zbl 0827.68094号 [26] 范登·波尔德·普林齐埃。2007.随机多类分类：将随机森林概括为随机MNL和随机NB。柏林施普林格大学计算机科学（LNCS）课堂讲稿第4653卷；349-358. [27] R开发核心团队。2011.R：统计计算语言和环境：奥地利维也纳。ISBN 3‐900051‐07‐0，网址：http://www.R‐项目.org。 [28] 拉斯班德斯。1997.Imagej手册，http://rsbweb.nih.gov/ij/docs/menus/analyze.html。 [29] 拉斯班德斯。1997-2010 Imagej，美国国立卫生研究院：美国马里兰州贝塞斯达。http://rsb.info.nih.gov/ij/。 [30] 雷普利BD。1996.模式识别和神经网络，剑桥大学出版社：剑桥·Zbl 0853.62046号 [31] 阿塔·杰杰、柯克·阿内斯、迈斯内克、特佩宁。2010年，统计分类方法和比例估计——大型无脊椎动物图像数据库的应用，2010年IEEE信号处理机器学习研讨会论文集，芬兰基蒂拉。 [32] ZeileisA斯特罗布尔克。2008.危险：高功率！-探索随机森林变量重要性测试的统计特性。第18届国际计算统计会议论文集，葡萄牙波尔图；59-66. [33] The MathWorks Inc.2009年。Matlab 7.9.0版，马萨诸塞州纳蒂克。http://www.mathworks.se/products/matlab。 [34] VenablesWN、RipleyBD。2002年，S.Springer的《现代应用统计学》：纽约·Zbl 1006.62003号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。