基于特征选择的集成分类器抗噪性能分析

• 作者: 李陶深 韦艳艳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 集成分类器 特征选择 随机子空间 旋转森林 抗噪性能
• 年，卷（期）: 2012,（11）
• 页码范围: 161-164
• 分类号: TP181
• 字数: 3350字
• 语种: 中文

摘要

特征选择有助于增强集成分类器成员间的随机差异性,从而提高泛化精度.研究了随机子空间法(Random Sub-space)和旋转森林法(Rotation Forest)两种基于特征选择的集成分类器构造算法,分析讨论了两算法特征选择的方式与随机差异程度之间的关系.通过对UCI数据集引入噪声,比较两者在噪声环境下的分类精度.实验结果表明:当噪声增加及特征关联度下降时,基本学习算法及噪声程度对集成效果均有影响,当噪声增强到一定程度后,集成效果和单分类器的性能趋于一致.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李陶深	广西大学计算机与电子信息学院	394	2640	25.0	36.0
2	韦艳艳	广西民族大学信息科学与工程学院广西混杂计算与集成电路设计分析重点实验室	10	43	3.0	6.0