- 1、本文档共3页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
多分类器选择集成方法
186 , ( )
2009 45 13 Computer Engineering and Applications 计算机工程与应用
多分类器选择集成方法
郭红玲,程显毅
,
GUO Hong-ling CHENG Xian-yi
江苏大学计算机科学与通信工程学院,江苏 镇江 212013
, , , ,
School of Computer Science and Telecommunications Engineering Jiangsu University Zhenjiang Jiangsu 212013 China
:
E-mail guohongling2006@126.com
,
GUO Hong-ling CHENG Xian-yi.Method of selective multiple classifiers ensemble.Computer Engineering and Applica-
, , ():
tions 2009 45 13 186-187.
Abstract :Because of the high request to classifies performance of people and the implementation complexity of multiple
,
classifiers ensemble approach this paper proposes an new method of selective multiple classifiers ensemble which considers of the
accuracy of individual classifier and diversity among individual classifiers.This algorithm first chooses the more accuracy classifies
,
from the production base then chooses more different ones using diversity measure before integration.The result of the UCI database
,
experiment demonstrate that the method is better than the Bagging method and it is very good and useful for classification.
: ; ;
Key words multiple classifiers ensemble diversity measure classifiers selection
摘 要:针对目前人们对分类性能的高要求和多分类器集成实现的复杂性,从基分类器准确率和基分类器间差异性两方面出发,
提出了一种新的多分类器选择集成算法。该算法首先从生成的基分类器中选择出分类准确率较高的,然后利用分类器差异性度量
来选择差异性大的高性能基分类器,在分类器集成之前先对分类器集进行选择获得新的分类器集。在UCI 数据库上的实验结果证
明,该方法优于bagging 方法,取得了很好的分类识别效果。
关键词:多分类器集成;差异性度量;基分类器选择
: 文章编号: ( ) 文献标识码: 中图分类号:
DOI 10.3778/j.issn.1002-8331.2009.13.054 1002-8331 2009 13-018
文档评论(0)