模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2013年
2期
136-143
,共8页
组合剪枝%边界%向前选择%向后剔除
組閤剪枝%邊界%嚮前選擇%嚮後剔除
조합전지%변계%향전선택%향후척제
Ensemble Pruning%Margin%Forward Selection%Backward Elimination
理论及实验表明,在训练集上具有较大边界分布的组合分类器泛化能力较强.文中将边界概念引入到组合剪枝中,并用它指导组合剪枝方法的设计.基于此,构造一个度量标准(MBM)用于评估基分类器相对于组合分类器的重要性,进而提出一种贪心组合选择方法(MBMEP)以降低组合分类器规模并提高它的分类准确率.在随机选择的30个UCI数据集上的实验表明,与其它一些高级的贪心组合选择算法相比,MBMEP选择出的子组合分类器具有更好的泛化能力.
理論及實驗錶明,在訓練集上具有較大邊界分佈的組閤分類器汎化能力較彊.文中將邊界概唸引入到組閤剪枝中,併用它指導組閤剪枝方法的設計.基于此,構造一箇度量標準(MBM)用于評估基分類器相對于組閤分類器的重要性,進而提齣一種貪心組閤選擇方法(MBMEP)以降低組閤分類器規模併提高它的分類準確率.在隨機選擇的30箇UCI數據集上的實驗錶明,與其它一些高級的貪心組閤選擇算法相比,MBMEP選擇齣的子組閤分類器具有更好的汎化能力.
이론급실험표명,재훈련집상구유교대변계분포적조합분류기범화능력교강.문중장변계개념인입도조합전지중,병용타지도조합전지방법적설계.기우차,구조일개도량표준(MBM)용우평고기분류기상대우조합분류기적중요성,진이제출일충탐심조합선택방법(MBMEP)이강저조합분류기규모병제고타적분류준학솔.재수궤선택적30개UCI수거집상적실험표명,여기타일사고급적탐심조합선택산법상비,MBMEP선택출적자조합분류기구유경호적범화능력.
