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:
为了提高数据的分类性能,提出一种集成学习的多分类器动态组合方法(DEA).该方法在多个UCI标准数据集上进行测试,并与文中使用的基于Adaboost算法训练出的各个成员分类器的分类效果进行比较,证明了DEA的有效性.
推荐文章
一种自适应子融合集成多分类器方法
分类器联合
决策置信度
决策支持度
基于NN多分类器组合的入侵检测方法
入侵检测
神经网络
多分类器组合
基于多分类器集成的语音情感识别
集成分类器
Berlin情感语言数据库
特征参数
语音情感识别
基于多分类器组合的红外目标识别方法
红外探测
模式识别
多分类器组合
BP神经网络
决策融合
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 集成学习的多分类器动态组合方法
来源期刊 计算机工程 学科 工学
关键词 多分类器 聚类 动态分类器组合 Adaboost算法
年,卷(期) 2008,(24) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 218-220
页数 3页 分类号 TP391.4
字数 3351字 语种 中文
DOI 10.3969/j.issn.1000-3428.2008.24.076
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 张化祥 山东师范大学信息科学与工程学院 73 576 14.0 19.0
2 陈冰 山东师范大学信息科学与工程学院 3 16 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (24)
参考文献  (5)
节点文献
引证文献  (14)
同被引文献  (32)
二级引证文献  (31)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2008(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)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(4)
  • 引证文献(3)
  • 二级引证文献(1)
2011(2)
  • 引证文献(1)
  • 二级引证文献(1)
2012(5)
  • 引证文献(2)
  • 二级引证文献(3)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(8)
  • 引证文献(2)
  • 二级引证文献(6)
2015(7)
  • 引证文献(2)
  • 二级引证文献(5)
2016(5)
  • 引证文献(0)
  • 二级引证文献(5)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
多分类器
聚类
动态分类器组合
Adaboost算法
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
相关基金
山东省科技攻关计划
英文译名:
官方网址:http://www.sdstc.gov.cn/default/mingxi.jsp?columnid=iroot1032039820&articleid=95260
项目类型:
学科类型:
山东省自然科学基金
英文译名:Natural Science Foundation of Shandong Province
官方网址:http://kyc.wfu.edu.cn/second/wnfw/shandongshengzirankexuejijin.htm
项目类型:重点项目
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导