基于GDA的置信规则库参数训练的集成学习方法

• 作者: 傅仰耿 吴伟昆 吴英杰 巩晓婷 苏群
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 置信规则库(BRB) 集成学习 梯度下降法(GDA) Bagging AdaBoost
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 学术研究
• 页码范围: 1651-1661
• 页数: 11页
• 分类号: TP18
• 字数: 8046字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1605043

摘要

目前对置信规则库(belief rule base,BRB)的研究主要针对单个BRB系统,然而单个BRB系统的推理性能不仅受参数取值的影响,而且当训练集分布不均衡或数据量较少时,容易导致参数训练不全面,从而使得推理结果所提供的决策信息存在局部性.通过引入Bagging算法和AdaBoost算法,分别与BRB相结合提出了基于梯度下降法(gradient descent algorithm,GDA)的置信规则库系统的集成学习方法,并分别应用于输油管道检漏、多峰函数的置信规则库训练,将多个BRB子系统集成,提高系统的推理性能.在实验中,以收敛精度和曲线拟合效果作为衡量指标来分析集成系统的性能,并将集成系统与其他单个BRB系统进行比较,实验结果表明BRB集成学习方法合理有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴英杰	福州大学数学与计算机科学学院	66	453	11.0	19.0
2	傅仰耿	福州大学数学与计算机科学学院	38	169	7.0	11.0
3	苏群	福州大学数学与计算机科学学院	4	28	3.0	4.0
4	巩晓婷	福州大学经济与管理学院	13	43	3.0	6.0
5	吴伟昆	福州大学数学与计算机科学学院	3	12	2.0	3.0