徐州电销软件办理

徐州电销软件办理,徐州电销软件怎么办理,徐州电销软件去哪办理

电销软件，完善销售管理系统

为您提示商机管理，订单管理，销售管理一站式服务！

打通多线路多设备，随时切换

销售外呼不掉线

大数据过滤无效与风险号码

直达客户，提升转化

基分类器与多分类器融合的行为识别结果分析

按照上述三种方式将特征数据集划分为不同的分组后，在 MATLAB中分别训练决策树和支持向量机的基分类器模型，并采用对应的测试集作为输入数据来测试基分类器。将上述基分类器的行为识别结果根据多数投票法进行融合处理，得到多分类器融合的行为识别结果。对上述识别结果进行比较，其识别准确率如表2所示。

表2中，从12个基分类器的行为识别结果来看，由于不同用户的行为差异较大，因此第二种数据分组方式中，分别采用其他组的数据（第五组除外）来训练基分类器而用第五组数据来测试时，不论是采用SVM还是决策树分类算法，行为识别的准确率都比较低。三种数据分组凡是相比，第三种分组方式的行为识别准确率较高。

总的来说，不论采用哪种数据分组方式，多分类器融合的行为识别模型结合了各个基分类器的优点，其行为识别准确率比单个基分类器的识别准确率高，在第三种数据分组方式中，行为识别准确率最高提高了25.99%。

4 结论

为了提高移动用户行为识别的准确率，本文提出了一种基于多分类器融合的行为识别模型。本文将特征数据集按照三种不同的方式分别划分为训练集和测试集，采用SVM算法和决策树算法分别训练基分类器，并对各基分类器和多分类器融合后的行为识别结果进行了对比分析。实验结果证明，多分类器融合的行为识别模型能够提高行为识别的准确率，最高达25.99%，充分验证了改模型的有效性。