徐州電銷軟件辦理,徐州電銷軟件怎么辦理,徐州電銷軟件去哪辦理

電銷軟件，完善銷售管理系統

為您提示商機管理，訂單管理，銷售管理一站式服務！

打通多線路多設備，隨時切換

銷售外呼不掉線

大數據過濾無效與風險號碼

直達客戶，提升轉化

基分類器與多分類器融合的行為識別結果分析

按照上述三種方式將特征數據集劃分為不同的分組后，在 MATLAB中分別訓練決策樹和支持向量機的基分類器模型，并采用對應的測試集作為輸入數據來測試基分類器。將上述基分類器的行為識別結果根據多數投票法進行融合處理，得到多分類器融合的行為識別結果。對上述識別結果進行比較，其識別準確率如表2所示。

表2中，從12個基分類器的行為識別結果來看，由于不同用戶的行為差異較大，因此第二種數據分組方式中，分別采用其他組的數據（第五組除外）來訓練基分類器而用第五組數據來測試時，不論是采用SVM還是決策樹分類算法，行為識別的準確率都比較低。三種數據分組凡是相比，第三種分組方式的行為識別準確率較高。

總的來說，不論采用哪種數據分組方式，多分類器融合的行為識別模型結合了各個基分類器的優點，其行為識別準確率比單個基分類器的識別準確率高，在第三種數據分組方式中，行為識別準確率最高提高了25.99%。

4 結論

為了提高移動用戶行為識別的準確率，本文提出了一種基于多分類器融合的行為識別模型。本文將特征數據集按照三種不同的方式分別劃分為訓練集和測試集，采用SVM算法和決策樹算法分別訓練基分類器，并對各基分類器和多分類器融合后的行為識別結果進行了對比分析。實驗結果證明，多分類器融合的行為識別模型能夠提高行為識別的準確率，最高達25.99%，充分驗證了改模型的有效性。