计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
20期
180-182
,共3页
数据流%选择性集成%分类%自适应%特征空间
數據流%選擇性集成%分類%自適應%特徵空間
수거류%선택성집성%분류%자괄응%특정공간
选择性集成分类算法虽能提高集合分类器在整体数据集上的分类性能,但针对某一具体效据进行分类时,其选择出的个体分类器集合并不一定是最优组合.为此,从数据自适应角度出发,提出一种数据流选择性集成的两阶段动态融合方法,利用待分类数据所在特征空间中的位置,动态选择个体分类器集合,并对其进行分类.理论分析和实验结果表明,与GASEN算法相比,该方法的分类准确率更高.
選擇性集成分類算法雖能提高集閤分類器在整體數據集上的分類性能,但針對某一具體效據進行分類時,其選擇齣的箇體分類器集閤併不一定是最優組閤.為此,從數據自適應角度齣髮,提齣一種數據流選擇性集成的兩階段動態融閤方法,利用待分類數據所在特徵空間中的位置,動態選擇箇體分類器集閤,併對其進行分類.理論分析和實驗結果錶明,與GASEN算法相比,該方法的分類準確率更高.
선택성집성분류산법수능제고집합분류기재정체수거집상적분류성능,단침대모일구체효거진행분류시,기선택출적개체분류기집합병불일정시최우조합.위차,종수거자괄응각도출발,제출일충수거류선택성집성적량계단동태융합방법,이용대분류수거소재특정공간중적위치,동태선택개체분류기집합,병대기진행분류.이론분석화실험결과표명,여GASEN산법상비,해방법적분류준학솔경고.