数据流选择性集成的两阶段动态融合方法

• 作者: 张健沛 杨显飞 杨静
• 来源期刊: 计算机工程
• 学科: 地球科学
• 关键词: 数据流 选择性集成 分类 自适应 特征空间
• 年，卷（期）: 2011,（20）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 180-182
• 分类号: N945
• 字数: 3098字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.20.062

摘要

选择性集成分类算法虽能提高集合分类器在整体数据集上的分类性能,但针对某一具体效据进行分类时,其选择出的个体分类器集合并不一定是最优组合.为此,从数据自适应角度出发,提出一种数据流选择性集成的两阶段动态融合方法,利用待分类数据所在特征空间中的位置,动态选择个体分类器集合,并对其进行分类.理论分析和实验结果表明,与GASEN算法相比,该方法的分类准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	杨显飞	哈尔滨工程大学计算机科学与技术学院	4	18	3.0	4.0