HSEC:基于聚类的启发式选择性集成

• 作者: 洪志令 郑丽容
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 集成学习 选择性集成学习 聚类 降维
• 年，卷（期）: 2018,（1）
• 页码范围: 116-123
• 页数: 8页
• 分类号: TP311
• 字数: 4006字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2018.01.013

摘要

提出一种基于聚类的启发式选择性集成学习算法.集成学习通过组合多个弱分类器获得比单一分类器更好的学习效果,把多个弱分类器提升为一个强分类器.理论上来说弱分类器的个数越多,组合的模型效果越好,但是随着弱分类器的增多,模型的训练时间和复杂度也随之递增.通过聚类的方法去除相似的弱分类器,一方面有效降低模型的复杂度,另一方面选出差异性较大的弱分类器作为候选集合.之后采用启发式的选择性集成算法,对弱分类器进行有效的组合,从而提升模型的分类性能.同时采用并行的集成策略,提高集成学习选取最优分类器子集效率,可以有效地减少模型的训练时间.实验结果表明,该算法较传统方法在多项指标上都有着一定的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	洪志令	厦门大学软件学院	7	49	3.0	7.0
2	郑丽容	厦门大学计算机科学系	1	2	1.0	1.0