计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
6期
196-198,201
,共4页
常甜甜%赵玲玲%刘红卫%周水生
常甜甜%趙玲玲%劉紅衛%週水生
상첨첨%조령령%류홍위%주수생
集成学习%支持向量机%自动模型选择%多模式扰动%主成分分析
集成學習%支持嚮量機%自動模型選擇%多模式擾動%主成分分析
집성학습%지지향량궤%자동모형선택%다모식우동%주성분분석
针对集成学习中bootstrap方法不能产生具有较大差异性的成员分类器,提出基于多模式扰动模型动态加权SVM集成方法.该方法在训练样本中使用bootstrap采样产生扰动,在输入特征中使用PCA特征滤波子空间法产生扰动,用自动模型选择法来动态扰动每个成员分类器的参数,用分类精度对成员分类器加权集成扰动输出.实验结果表明该方法比常用的bootstrap集成方法具有更好的集成效果.
針對集成學習中bootstrap方法不能產生具有較大差異性的成員分類器,提齣基于多模式擾動模型動態加權SVM集成方法.該方法在訓練樣本中使用bootstrap採樣產生擾動,在輸入特徵中使用PCA特徵濾波子空間法產生擾動,用自動模型選擇法來動態擾動每箇成員分類器的參數,用分類精度對成員分類器加權集成擾動輸齣.實驗結果錶明該方法比常用的bootstrap集成方法具有更好的集成效果.
침대집성학습중bootstrap방법불능산생구유교대차이성적성원분류기,제출기우다모식우동모형동태가권SVM집성방법.해방법재훈련양본중사용bootstrap채양산생우동,재수입특정중사용PCA특정려파자공간법산생우동,용자동모형선택법래동태우동매개성원분류기적삼수,용분류정도대성원분류기가권집성우동수출.실험결과표명해방법비상용적bootstrap집성방법구유경호적집성효과.
