基于随机化属性选择和邻域覆盖约简的集成学习

• 作者: 于达仁 朱鹏飞 胡清华
• 来源期刊: 电子学报
• 学科: 地球科学
• 关键词: 邻域 随机约简 集成学习 规则学习 分类器
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 273-279
• 分类号: P391.4
• 字数: 5365字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2012.02.011

摘要

提高分类模型的分类精度和可靠性是分类建模追求的目标.针对目前规则学习方法应用于分类时稳定性差以及分类精度低的问题,本文通过随机化邻域属性约简,搜索一组分类精度较高的属性子集,在不同的属性子集上采用邻域覆盖约简方法学习分类规则,得到多个规则集.最后通过简单投票融合不同规则集上的分类结果获得对象的类别.实验表明,基于随机化邻域约简的集成学习方法分类性能优于或与其它相关的分类器相当,并且在噪声扰动下具有更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于达仁	哈尔滨工业大学能源学院	242	3647	29.0	50.0
2	胡清华	哈尔滨工业大学能源学院	28	874	14.0	28.0
3	朱鹏飞	哈尔滨工业大学能源学院	2	26	2.0	2.0