基于噪声自检测的并行AdaBoost算法

• 作者: 徐坚 陈优广
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: daBoost 数据挖掘 并行化 噪声自检测 分类
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 算法
• 页码范围: 288-294
• 页数: 7页
• 分类号: TP3
• 字数: 6914字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.01.050

摘要

P-AdaBoost通过改良使传统AdaBoost算法的核心步骤可以被并行执行,极大提高了算法的执行效率.然而P-AdaBoost没有考虑到噪声样本对训练结果造成的负面影响.通过分析P-AdaBoost算法,修改原算法中初始权重分布,并提出一种噪声检测算法,改良P-AdaBoost算法在带有噪声数据集上的性能.实验结果表明,改进后的算法与原P-AdaBoost算法相比,在带有噪声的数据集上提高了将近5个百分点,在无噪声的数据集上也有一定提高.由此证明,提出的算法是一种更健壮的算法,在大部分数据集上均取得更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈优广		23	210	7.0	13.0
2	徐坚		6	4	2.0	2.0