基于噪声概率的多核集成算法

• 作者: 冯杰 吴磊 武德安
• 来源期刊: 微电子学与计算机
• 关键词: 多核学习 提升方法 K最近邻法 logistic回归 支持向量机 鲁棒性
• 年，卷（期）: 2017,（9）
• 页码范围: 63-66
• 页数: 4页
• 分类号: TP391
• 语种: 中文

摘要

为解决多核集成(Multiple Kernel Boosting,MKBoost)算法对噪声敏感的问题,考虑理想分类器区别对待正常样本与噪声样本的特点,提出了一种适用于被噪声污染数据集的多核集成算法.采用KNN(K最近邻)方法与logistic回归的融合,构造了样本噪声概率函数,计算出每个样本是噪声的概率,根据噪声概率构造了新的损失函数,利用加法模型得到每轮迭代的基分类器系数.UCI数据集上的实验结果表明,该算法可以有效降低多核集成算法对噪声的敏感程度,提高了鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴磊	电子科技大学数学科学学院	28	171	8.0	12.0
2	武德安	电子科技大学数学科学学院	12	61	4.0	7.0
3	冯杰	电子科技大学数学科学学院	5	12	2.0	3.0