基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分析Stacking框架的基本原理,T1空间的数据表示和Stacking的缺陷,认为基于Stacking框架的学习能够有效地提高学习效果,但是在分类器个数增大时可能会导致元层训练数据规模增加.提出对底层分类器输出的后验概率用加权平均的方法构造元训练样本,减少二次建模的时间开销.该方法能够弥补由于对平均后验概率进行简单平均而丧失的模型输出特征,纠正分类偏差.
推荐文章
基于部落结构的多种学习机制蝙蝠优化算法
蝙蝠算法
部落划分
PSO
多种学习机制
基于核的学习机研究综述
核方法
有监督学习算法
无监督学习算法
支持向量机
基于动态学习机制的MAS信任评价方法
多智能体系统
经验模型
信任模型
陌生人信誉
基于并行学习的多层极限学习机
神经网络
稀疏编码
极限学习机
并行学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Stacking框架的学习机制研究
来源期刊 广西科学院学报 学科 工学
关键词 学习机制 Stacking 元学习 分类 分类器组合
年,卷(期) 2004,(4) 所属期刊栏目
研究方向 页码范围 231-233
页数 3页 分类号 TP391.6
字数 3144字 语种 中文
DOI 10.3969/j.issn.1002-7378.2004.04.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李陶深 广西大学计算机与电子信息学院 394 2640 25.0 36.0
2 韦艳艳 广西大学计算机与电子信息学院 3 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
学习机制
Stacking
元学习
分类
分类器组合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广西科学院学报
季刊
1002-7378
45-1075/N
大16开
广西南宁市大岭路98号
1982
chi
出版文献量(篇)
1934
总下载数(次)
0
总被引数(次)
9503
论文1v1指导