基于精简随机子空间的多生成树集成一类分类算法

• 作者: 刘凯 胡正平
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 一类分类器 随机子空间 集成学习 最小生成树 精简集成
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 351-356
• 页数: 6页
• 分类号: TP391
• 字数: 5718字
• 语种: 中文

摘要

由于高维数据通常存在冗余和噪声,在其上直接构造覆盖模型不能充分反映数据的分布信息,导致分类器性能下降.为此提出一种基于精简随机子空间多树集成分类方法.该方法首先生成多个随机子空间,并在每个子空间上构造独立的最小生成树覆盖模型.其次对每个子空间上构造的分类模型进行精简处理,通过一个评估准则(AUC值),对生成的一类分类器进行精简.最后均值合并融合这些分类器为一个集成分类器.实验结果表明,与其它直接覆盖分类模型和bagging算法相比,多树集成覆盖分类器具有更高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡正平	燕山大学信息科学与工程学院	160	1215	17.0	28.0
2	刘凯	燕山大学信息科学与工程学院	40	160	8.0	10.0