基于实例的强分类器快速集成方法

• 作者: 王永利 许业旺 赵忠文
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 强分类器集成模型 基分类器评价方法 集成算法 样本分布 集成学习
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1100-1104
• 页数: 5页
• 分类号: TP391
• 字数: 5307字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.04.1100

摘要

针对集成分类器由于基分类器过弱,需要牺牲大量训练时间才能取得高精度的问题,提出一种基于实例的强分类器快速集成方法——FSE.首先通过基分类器评价方法剔除不合格分类器,再对分类器进行精确度和差异性排序,从而得到一组精度最高、差异性最大的分类器;然后通过FSE集成算法打破已有的样本分布,重新采样使分类器更多地关注难学习的样本,并以此决定各分类器的权重并集成.实验通过与集成分类器Boosting在UCI数据库和真实数据集上进行比对,Boosting构造的集成分类器的识别精度最高分别能达到90.2％和90.4％,而使用FSE方法的集成分类器精度分别能达到95.6％和93.9％;而且两者在达到相同精度时,使用FSE方法的集成分类器分别缩短了75％和80％的训练时间.实验结果表明,FSE集成模型能有效提高识别精度、缩短训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王永利	南京理工大学计算机科学与工程学院	45	174	8.0	11.0
2	赵忠文	装备学院复杂电子系统仿真重点实验室	8	14	2.0	3.0
3	许业旺	南京理工大学计算机科学与工程学院	1	0	0.0	0.0