基于边际的组合分类器选择算法

• 作者: 季新生 郭华平 魏涛
• 来源期刊: 信阳师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 组合分类器学习 组合选择 度量指标
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 应用技术研究
• 页码范围: 469-473
• 页数: 5页
• 分类号: TP391.4
• 字数: 3031字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0972.2017.03.026

摘要

研究表明,具有较大边际分别的组合分类器泛化性能更高.根据该结论,论文构造了一个新的基于边际的度量指标(MM)以充分考虑基分类器和组合分类器的分类能力,进而提出了一种新的组合分类器选择方法.该方法初始化组合分类器为空(或满),迭代的加入(或移除)具有最大(或最小)MM值的分类器,以降低组合分类器规模并提高它的分类准确率.在随机选择的24个UCI数据集上的实验表明,与其他一些高级的贪心组合选择算法相比,该方法具有更好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	季新生		100	505	11.0	17.0
2	魏涛		26	43	3.0	4.0
4	郭华平	信阳师范学院计算机与信息技术学院	18	92	6.0	9.0