标记分布集成学习

• 作者: 於东军 沈小霞 许哲源 贾修一
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 标记分布学习 自适应提升 排序损失 集成学习
• 年，卷（期）: 2020,（6）
• 页码范围: 660-668
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.06.004

摘要

标记分布学习是一种新型的学习范式,该文提出了一种适用于标记分布问题形式的Adaboost集成算法,能够有效地提升各种单独算法的预测精度.该文设计了一种新的用于反映排序损失的评价指标SortLoss.该文将Adaboost应用在标记分布学习问题上.实验结果表明,该文设计的Adaboost-LDL集成框架在13个真实数据集上能够显著提升标记分布学习算法的预测精度,该文的方法将排序损失指标SortLoss平均降低至原先的41.2％,KL散度指标平均降低至原先的68.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	於东军		64	503	15.0	19.0
2	贾修一		13	126	5.0	11.0
3	沈小霞		1	0	0.0	0.0
4	许哲源		1	0	0.0	0.0