作者:
原文服务方: 计算机应用研究       
摘要:
机器学习中的Boosting技术是给训练例赋予不同的权值,使得学习算法可以集中学习较难的训练例.另一方面,一阶规则学习中的mFOIL算法学习精度较高,但是用于估计候选子句精度的最佳m值很难确定.为了解决这一难题,提出了将Boosting技术用于一阶规则学习的BoostmFOIL算法,使得对于任意的m值也可以学到精度较高的规则集.此外,为了增强Boosting技术对噪声数据的鲁棒性,对噪声数据赋予相对较小的权值,使其对学习算法的精度影响甚微.在基准的规则学习领域的实验结果表明:a)对于任意的m值, BoostmFOIL算法学习到的规则精确要度比原mFOIL算法高得多;b)即使在噪声环境下,BoostmFOIL算法也能学习到精确度较高的规则集.以上结果表明,将Boosting技术用于一阶规则学习的mFOIL算法中,可以提高该算法的精确度和鲁棒性.
推荐文章
一种半监督的多标签Boosting分类算法
Boosting算法
半监督学习
多标签分类
一种逆向样本分布的Boosting类新算法
网络集成算法
逆向样本权值分布
中间层网络集成
一种结合双水印技术的水印算法
双水印
小波变换
数字水印
一种新的连通区域标记算法
图像分割
连通区域标记
行程
轮廓跟踪
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 一种新的结合Boosting技术的mFOIL算法
来源期刊 计算机应用研究 学科
关键词 机器学习 一阶规则学习 训练数据权值 噪声
年,卷(期) 2009,(10) 所属期刊栏目 算法研究探讨
研究方向 页码范围 3758-3762
页数 5页 分类号 TP181|TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2009.10.045
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 罗俊 广东技术师范学院计算机与网络中心 13 64 4.0 7.0
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  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
研究主题发展历程
节点文献
机器学习
一阶规则学习
训练数据权值
噪声
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导