软件学报
軟件學報
연건학보
JOURNAL OF SOFTWARE
2010年
8期
1889-1897
,共9页
AdaBoost%聚类%个体学习器%BP神经网络%加速%噪声检测
AdaBoost%聚類%箇體學習器%BP神經網絡%加速%譟聲檢測
AdaBoost%취류%개체학습기%BP신경망락%가속%조성검측
决定集成学习性能的主要因素是集成的个体学习器之间的差异性.使用聚类技术来加速AdaBoost.在不同噪声水平环境下,新算法的性能都接近AdaBoost.对AdaBoost噪声敏感问题提出了新的解决思路,使用该项技术可以实现快速的噪声探测和噪声剔除后的再学习,从而在对含噪声数据基进行处理时,在综合性能和效率上都明显优于AdaBoost.
決定集成學習性能的主要因素是集成的箇體學習器之間的差異性.使用聚類技術來加速AdaBoost.在不同譟聲水平環境下,新算法的性能都接近AdaBoost.對AdaBoost譟聲敏感問題提齣瞭新的解決思路,使用該項技術可以實現快速的譟聲探測和譟聲剔除後的再學習,從而在對含譟聲數據基進行處理時,在綜閤性能和效率上都明顯優于AdaBoost.
결정집성학습성능적주요인소시집성적개체학습기지간적차이성.사용취류기술래가속AdaBoost.재불동조성수평배경하,신산법적성능도접근AdaBoost.대AdaBoost조성민감문제제출료신적해결사로,사용해항기술가이실현쾌속적조성탐측화조성척제후적재학습,종이재대함조성수거기진행처리시,재종합성능화효솔상도명현우우AdaBoost.
