节点文献

HSEC:基于聚类的启发式选择性集成

免费订阅

【作者】 郑丽容洪志令

【Author】 Zheng Lirong;Hong Zhiling;School of Information Science and Engineering,Xiamen University;Software School of Xiamen University;

【机构】 厦门大学计算机科学系厦门大学软件学院

【摘要】 提出一种基于聚类的启发式选择性集成学习算法.集成学习通过组合多个弱分类器获得比单一分类器更好的学习效果,把多个弱分类器提升为一个强分类器.理论上来说弱分类器的个数越多,组合的模型效果越好,但是随着弱分类器的增多,模型的训练时间和复杂度也随之递增.通过聚类的方法去除相似的弱分类器,一方面有效降低模型的复杂度,另一方面选出差异性较大的弱分类器作为候选集合.之后采用启发式的选择性集成算法,对弱分类器进行有效的组合,从而提升模型的分类性能.同时采用并行的集成策略,提高集成学习选取最优分类器子集效率,可以有效地减少模型的训练时间.实验结果表明,该算法较传统方法在多项指标上都有着一定的提升.

【关键词】 集成学习选择性集成学习聚类降维
【基金】 国家自然科学基金(31200769)
  • 【DOI】10.13232/j.cnki.jnju.2018.01.013
  • 【分类号】TP181
  • 【下载频次】29
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: