使用聚类来加速AdaBoost并实现噪声数据探测

• 作者: 杨静宇 谢元澄
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: AdaBoost 聚类 个体学习器 BP神经网络 加速 噪声检测
• 年，卷（期）: 2010,（8）
• 页码范围: 1889-1897
• 分类号: TP181
• 字数: 6766字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2010.03611

摘要

决定集成学习性能的主要因素是集成的个体学习器之间的差异性.使用聚类技术来加速AdaBoost.在不同噪声水平环境下,新算法的性能都接近AdaBoost.对AdaBoost噪声敏感问题提出了新的解决思路,使用该项技术可以实现快速的噪声探测和噪声剔除后的再学习,从而在对含噪声数据基进行处理时,在综合性能和效率上都明显优于AdaBoost.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静宇	南京理工大学计算机科学与技术学院	623	11098	50.0	74.0
2	谢元澄	南京农业大学信息科学技术学院	3	31	2.0	3.0