计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
6期
225-228
,共4页
姚旭%王晓丹%张玉玺%薛爱军
姚旭%王曉丹%張玉璽%薛愛軍
요욱%왕효단%장옥새%설애군
集成学习%集成特征选择%互信息%差异性
集成學習%集成特徵選擇%互信息%差異性
집성학습%집성특정선택%호신식%차이성
如何构造差异性大的基分类器是集成学习研究的重点,为此提出迭代循环选择法:以最大化正则互信息为准则提取最优特征子集,进而基于此训练得到基分类器;同时以错分样本个数作为差异性度量准则来评价所得基分类器的性能,若满足条件则停止,反之则循环迭代直至结束.最后用加权投票法融合所选基分类器的识别结果.通过仿真实验验证算法的有效性,以支持向量机为分类器,在公共数据集UCI上进行实验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比.实验结果显示,该方法可获得较高的分类精度.
如何構造差異性大的基分類器是集成學習研究的重點,為此提齣迭代循環選擇法:以最大化正則互信息為準則提取最優特徵子集,進而基于此訓練得到基分類器;同時以錯分樣本箇數作為差異性度量準則來評價所得基分類器的性能,若滿足條件則停止,反之則循環迭代直至結束.最後用加權投票法融閤所選基分類器的識彆結果.通過倣真實驗驗證算法的有效性,以支持嚮量機為分類器,在公共數據集UCI上進行實驗,併與單SVM及經典的Bagging集成算法和特徵Bagging集成算法進行對比.實驗結果顯示,該方法可穫得較高的分類精度.
여하구조차이성대적기분류기시집성학습연구적중점,위차제출질대순배선택법:이최대화정칙호신식위준칙제취최우특정자집,진이기우차훈련득도기분류기;동시이착분양본개수작위차이성도량준칙래평개소득기분류기적성능,약만족조건칙정지,반지칙순배질대직지결속.최후용가권투표법융합소선기분류기적식별결과.통과방진실험험증산법적유효성,이지지향량궤위분류기,재공공수거집UCI상진행실험,병여단SVM급경전적Bagging집성산법화특정Bagging집성산법진행대비.실험결과현시,해방법가획득교고적분류정도.