基于可信度的投票法

• 作者: 曾立君 燕继坤 王艳 郑辉
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 机器学习 综合分类 可信度投票法 错误率的界 Bagging
• 年，卷（期）: 2005,（8）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 1308-1313
• 页数: 6页
• 分类号: TP18
• 字数: 4486字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2005.08.008

摘要

可信度投票法不仅使用了基分类器输出的类别,还使用了输出的可信度.推导了该方法训练错误率的界以及期望错误率的界.发现为了最小化期望错误率的界,应该使用错误独立的基分类器,如果基分类器的错误率不是很高,这个界以指数级速度随着基分类器错误率的降低而降低,而且这个界随着投票次数的增加也会下降.在最小化训练错误率的界的意义下,得到了一种权值分配方法.把这个方法应用于一种Bagging算法:AB,得到了综合分类算法CAB.使用UCI机器学习数据集中的数据,通过实验验证了CAB的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑辉	西南电子电信技术研究所信号盲处理国家重点实验室	33	370	10.0	18.0
2	燕继坤	西南电子电信技术研究所信号盲处理国家重点实验室	9	82	6.0	9.0
6	王艳	西南电子电信技术研究所信号盲处理国家重点实验室	2	26	1.0	2.0
7	曾立君	西南电子电信技术研究所信号盲处理国家重点实验室	1	25	1.0	1.0