计算机与现代化
計算機與現代化
계산궤여현대화
COMPUTER AND MODERNIZATION
2015年
2期
48-51
,共4页
集成学习%选择性集成%动态集成选择%分类
集成學習%選擇性集成%動態集成選擇%分類
집성학습%선택성집성%동태집성선택%분류
ensemble learning%selective ensemble%dynamic ensemble selection%classification
在集成学习领域，传统的动态集成选择需要为每一个样本选择子分类器组成集成分类器，这极大地增加了计算复杂度。针对这一问题，提出一种新的半动态集成选择方法。该方法分为两阶段，第一阶段为所有的测试样本选择最好的个体分类器组成一个集成分类器，第二阶段从剩余的个体分类器集合中为当前测试样本动态地选择子分类器组成一个集成分类器。最终的分类结果通过融合两阶段得到集成分类器的结果得到。通过对UCI数据测试的结果表明，该算法不仅能取得较好的分类性能，而且能极大地降低计算复杂度。
在集成學習領域，傳統的動態集成選擇需要為每一箇樣本選擇子分類器組成集成分類器，這極大地增加瞭計算複雜度。針對這一問題，提齣一種新的半動態集成選擇方法。該方法分為兩階段，第一階段為所有的測試樣本選擇最好的箇體分類器組成一箇集成分類器，第二階段從剩餘的箇體分類器集閤中為噹前測試樣本動態地選擇子分類器組成一箇集成分類器。最終的分類結果通過融閤兩階段得到集成分類器的結果得到。通過對UCI數據測試的結果錶明，該算法不僅能取得較好的分類性能，而且能極大地降低計算複雜度。
재집성학습영역，전통적동태집성선택수요위매일개양본선택자분류기조성집성분류기，저겁대지증가료계산복잡도。침대저일문제，제출일충신적반동태집성선택방법。해방법분위량계단，제일계단위소유적측시양본선택최호적개체분류기조성일개집성분류기，제이계단종잉여적개체분류기집합중위당전측시양본동태지선택자분류기조성일개집성분류기。최종적분류결과통과융합량계단득도집성분류기적결과득도。통과대UCI수거측시적결과표명，해산법불부능취득교호적분류성능，이차능겁대지강저계산복잡도。
Traditional Dynamic Ensemble Selection ( DES) in ensemble learning needs to select individual classifiers for all the test samples.However, it leads to highly computational cost.Due to this issue, a new Semi Dynamic Ensemble Selection ( Semi-DES) strategy is proposed in this paper, which consists of two stages.Individual classifiers are selected for all the test samples in the first stage.In the second stage, the classifiers for each test sample are selected dynamically.The final result is obtained by integrating the output of the two stages.The experimental results on UCI data set demonstrate the proposed method can obtain a better classification performance.Moreover, Semi-DES can reduce the computational cost greatly.
