原文服务方: 计算机应用研究       
摘要:
针对高维数据实体识别问题,为了有效利用高维特征的富信息,提高分辨性能,提出一种随机组合集成分类器.定义基分类器的分类性能指标,将分类正确性和特征子集的个数作为设计基分类器两个目标,使用聚合函数将其转换为单目标优化问题.采用蚁群优化求解基分类器模型,提出利用最大信息系数度量特征的相关性作为蚁群优化启发式信息,使用谷元距离度量选择特征多样性差异最大的基分类器组合集成分类器,集成分类器的决策函数采用投票表决输出.在标准数据集上进行验证与对比,结果表明了该方法的有效性.
推荐文章
基于特征漂移的数据流集成分类方法
特征选择
特征漂移
概念漂移
数据流
互信息
集成分类器
基于DS聚类的高光谱图像集成分类算法
优势集
聚类
集成
支持向量机
高光谱图像分类
基于分层抽样的不均衡数据集成分类
人工智能
不均衡分类
分层抽样
集成学习
聚类
数据挖掘
基于进化集成分类器的铁路安全隐患智能分类
交通信息工程
铁路大数据
文本智能分类
进化集成分类器
安全事故隐患
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于集成分类的高维数据实体分辨
来源期刊 计算机应用研究 学科
关键词 实体分辨 高维数据 集成分类器 蚁群优化 最大信息系数
年,卷(期) 2018,(3) 所属期刊栏目 算法研究探讨
研究方向 页码范围 689-693
页数 5页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2018.03.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刁兴春 解放军理工大学指挥信息系统学院 9 136 4.0 9.0
2 曹建军 8 18 2.0 4.0
3 刘艺 解放军理工大学指挥信息系统学院 5 36 3.0 5.0
4 尚玉玲 解放军理工大学指挥信息系统学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (15)
参考文献  (15)
节点文献
引证文献  (2)
同被引文献  (29)
二级引证文献  (1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
实体分辨
高维数据
集成分类器
蚁群优化
最大信息系数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导