微电子学与计算机
微電子學與計算機
미전자학여계산궤
MICROELECTRONICS & COMPUTER
2008年
8期
229-231,235
,共4页
数据挖掘%分类%显露模式%AdaBoost
數據挖掘%分類%顯露模式%AdaBoost
수거알굴%분류%현로모식%AdaBoost
显露模式(EP)是支持度从一个数据集到另一个数据集发生显著变化的项集.EP具有很强的区分能力,可以建立很好的分类器.文中采用基于EP的分类算法CEEP建立基分类器,结合组合学习分类方法Adaboost算法的思想,提出了一种新的分类算法A-E算法.算法使用加权样本建立基分类器,并根据分类结果改变样本权值,同时应用分类误差计算基分类器权重.最终,算法按权重组合每个分类器的分类结果.在UCI机器学习数据库的9个基准数据集上的实验表明,A-E算法都能有效地减低泛化误差,并具有较高的分类准确率.
顯露模式(EP)是支持度從一箇數據集到另一箇數據集髮生顯著變化的項集.EP具有很彊的區分能力,可以建立很好的分類器.文中採用基于EP的分類算法CEEP建立基分類器,結閤組閤學習分類方法Adaboost算法的思想,提齣瞭一種新的分類算法A-E算法.算法使用加權樣本建立基分類器,併根據分類結果改變樣本權值,同時應用分類誤差計算基分類器權重.最終,算法按權重組閤每箇分類器的分類結果.在UCI機器學習數據庫的9箇基準數據集上的實驗錶明,A-E算法都能有效地減低汎化誤差,併具有較高的分類準確率.
현로모식(EP)시지지도종일개수거집도령일개수거집발생현저변화적항집.EP구유흔강적구분능력,가이건립흔호적분류기.문중채용기우EP적분류산법CEEP건립기분류기,결합조합학습분류방법Adaboost산법적사상,제출료일충신적분류산법A-E산법.산법사용가권양본건립기분류기,병근거분류결과개변양본권치,동시응용분류오차계산기분류기권중.최종,산법안권중조합매개분류기적분류결과.재UCI궤기학습수거고적9개기준수거집상적실험표명,A-E산법도능유효지감저범화오차,병구유교고적분류준학솔.
