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。