元学习算法选择机制及关联对性能的影响

• 作者: 张军英 杨利英 覃征
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 偏差/方差分解 关联 元学习 多分类器系统
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 278-280,290
• 页数: 4页
• 分类号: TP181
• 字数: 2811字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2007.02.036

摘要

提出一种元学习定义,从偏差/方差分解角度对元学习中学习算法的选取机制进行研究,得出了元级选用错误率低且偏差小的学习算法、基级学习算法按照错误率及方差从低到高排列的结论.鉴于标准数据集不能充分评估关联对元学习性能的影响,设计了一种模拟算法以产生模拟数据集.在UCI标准数据集和模拟数据集上的实验表明,同常用的多数投票等组合方法相比,基于算法选择机制的元学习表现出优良的性能,且分类器之间的负关联有助于性能的改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃征	清华大学软件学院	74	970	19.0	27.0
2	张军英	西安电子科技大学计算机学院	113	2001	25.0	41.0
3	杨利英	西安电子科技大学计算机学院	8	19	3.0	3.0