基于聚类优化覆盖的集成学习方法

• 作者: 李文娟 胡春生
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 聚类 覆盖 相似度
• 年，卷（期）: 2010,（11）
• 页码范围: 51-54,58
• 分类号: TP183
• 字数: 3954字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.11.013

摘要

传统的覆盖方法形成的覆盖都是"优簇",但是无法形成非球状的覆盖;而聚类求覆盖的方法就可以得到非球状覆盖,但是由于很难事先找到合适的相似度,所以无法求得全部"优簇".文中把两者的优点结合起来并加以推广,与SVM, NaiveBayes,交叉覆盖等学习方法相结合,形成基于聚类优化覆盖的集成学习方法,这样求得的覆盖既可以是非球状覆盖,又是全"优簇",优化了覆盖领域.实验证明该方法产生的覆盖不仅数量上较少,并且覆盖的准确率较高,具有一定的抗噪声能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文娟		6	11	2.0	3.0
2	胡春生		3	8	1.0	2.0