基于最大共识的模型组合算法

• 作者: 朱琪 李永丽 董立岩
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 随机森林 最大共识 多数表决 模型组合 泛化误差
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机技术、控制技术
• 页码范围: 416-421
• 页数: 6页
• 分类号: TP301.6
• 字数: 5898字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2017.02.026

摘要

针对原有的随机森林算法没有区别各个单分类器之间的分类优势,对分类器的组合方案进行优化,提出一种基于最大共识的模型组合算法.该算法将分类器的经验误差和泛化误差融入到分类器的权重计算中,充分发挥了单分类器的个性与优势,强化分类效果好的单分类器的优势,弱化分类效果较差的单分类器的劣势.实验结果表明,基于最大共识模型组合算法能够提升组合分类器的分类性能,在提高分类精度的同时,也具有较强的泛化能力,这一改进对于提升同类型多模型组合算法的性能具有一定指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董立岩	吉林大学计算机科学与技术学院	55	566	12.0	22.0
2	李永丽	东北师范大学计算机科学与信息技术学院	50	322	10.0	15.0
3	朱琪	吉林大学计算机科学与技术学院	3	1	1.0	1.0