基于最小最大模块化集成特征选择的改进

• 作者: 周丰 王未央
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 特征选择 集成学习 最小最大模块化策略 不平衡数据
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 149-153,157
• 页数: 6页
• 分类号: TP391
• 字数: 5121字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.09.033

摘要

随着数据规模的扩大,单个弱分类器的准确率已经无法很好地对未知样本进行预测,为此提出了集成学习。在集成学习与分类器结合的同时,集成的思想同样被用到了特征选择中。从提高对样本预测的准确率的角度出发,提出一种基于最小最大模块化(Min-Max-Module,M3)的策略。它同时将集成学习应用到了特征选择算法和分类器中,并对比了四种集成策略以及三种不同的分类方法。结果表明,提出的方法在大多情况下能取得不错的效果,并且能很好地处理不平衡的数据集。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王未央	上海海事大学信息工程学院	26	84	5.0	8.0
2	周丰	上海海事大学信息工程学院	1	5	1.0	1.0