构造性覆盖方法的增量学习算法

• 作者: 张燕平 杜玲 赵姝
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 构造性机器学习方法 覆盖算法 佳点集 增量学习
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 数据挖掘及应用专栏
• 页码范围: 699-704
• 页数: 6页
• 分类号: TP181
• 字数: 5080字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2009.05.017

摘要

构造性机器学习方法--覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理论求取覆盖中心,以改进覆盖算法.针对大规模或动态数据集的分类问题,将构造性覆盖方法与增量学习的思想相结合,提出了构造性覆盖方法的增量学习算法.该算法利用改进的覆盖算法作为基础学习器,通过连续地对新增样本进行测试而反复不断地提炼已有模型,体现了对样本的"渐近式"学习.对标准数据集的实验结果表明,这种增量学习算法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算机科学与技术学院	148	1556	21.0	32.0
2	赵姝	安徽大学计算机科学与技术学院	82	555	13.0	19.0
3	杜玲	安徽大学计算机科学与技术学院	3	28	3.0	3.0