集成学习算法的研究与应用

• 作者: 侯勇 郑雪峰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征提取 最大间隔 多层感知器 集成算法 KDDCUP99数据集 入侵检测
• 年，卷（期）: 2012,（34）
• 所属期刊栏目: 博士论坛
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP339
• 字数: 4275字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1203-0682

摘要

集成学习算法的思想就是集成多个学习器,并组合它们的预测结果,以形成最终的结论.典型的学习模型组合方法有投票法,专家混合方法,堆叠泛化法与级联法,但这些方法的性能都有待进一步提高.提出了一种新颖的集成学习算法——增强的集成学习算法(ReinforcedEnsemble).ReinforcedEnsemble集成算法由两大部分组成:ReinforcedEnsemble特征提取算法与ReinforcedEnsemble基分类器.通过实验,将ReinforcedEnsemble 算法与其他集成学习算法进行了性能比较.实验结果表明,所提出的算法在多项指标上均达到最优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑雪峰	北京科技大学计算机与通信工程学院	153	1031	17.0	23.0
2	侯勇	北京科技大学计算机与通信工程学院	23	72	5.0	7.0