计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
14期
132-134
,共3页
李文斌%陈嶷瑛%张娟%张新东
李文斌%陳嶷瑛%張娟%張新東
리문빈%진억영%장연%장신동
机器学习%数据挖掘%文本处理%分类
機器學習%數據挖掘%文本處理%分類
궤기학습%수거알굴%문본처리%분류
machine learning%data mining%text processing%classification
为了消除个体分类器问的相关性,提高集成器分类性能及稳定性,提出了基于Fisher线性判别方法的分类器提取方法.该方法将高维分类器空间压缩至低维分类器空间,并在该空间内学习集成器.在多个数据集上的比较实验结果表明,该方法可行,其集成性能较理想.
為瞭消除箇體分類器問的相關性,提高集成器分類性能及穩定性,提齣瞭基于Fisher線性判彆方法的分類器提取方法.該方法將高維分類器空間壓縮至低維分類器空間,併在該空間內學習集成器.在多箇數據集上的比較實驗結果錶明,該方法可行,其集成性能較理想.
위료소제개체분류기문적상관성,제고집성기분류성능급은정성,제출료기우Fisher선성판별방법적분류기제취방법.해방법장고유분류기공간압축지저유분류기공간,병재해공간내학습집성기.재다개수거집상적비교실험결과표명,해방법가행,기집성성능교이상.
In order to eliminate relativity between ensembled classifiers and improve effect and stability of combiner,an approach extracting classifiers based on Fisher linear discriminant analysis is proposed.It can reduce classifier space with high dimension,and then learn a combiner in lower dimension space.The compared results obtained on multiple public avaiable datasets show that the method is feasible.lts performance is perfect.