使用PCA建立基于规则的组合分类器

• 作者: 牛常勇 石国强 范明
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 组合分类器 特征提取 主成分分析
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 学术研究
• 页码范围: 455-463
• 分类号: TP181
• 字数: 4429字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2010.05.008

摘要

提出了一种使用基于规则的基分类器建立组合分类器的新方法PCARules.尽管新方法也采用基分类器预测的加权投票来决定待分类样本的类,但是为基分类器创建训练数据集的方法与bagging和boosting 完全不同.该方法不是通过抽样为基分类器创建数据集,而是随机地将特征划分成K个子集,使用PCA得到每个子集的主成分,形成新的特征空间,并将所有训练数据映射到新的特征空间作为基分类器的训练集.在UCI机器学习库的30个随机选取的数据集上的实验表明:算法不仅能够显著提高基于规则的分类方法的分类性能,而且与bagging和boosting等传统组合方法相比,在大部分数据集上都具有更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范明	郑州大学信息工程学院	55	376	11.0	16.0
2	牛常勇	郑州大学信息工程学院	11	168	5.0	11.0
3	石国强	郑州大学信息工程学院	1	0	0.0	0.0