一种基于降噪自编码的组合分类算法

• 作者: 刁小宇 刘宏兵 郭华平
• 来源期刊: 信阳师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 决策树 自编码 降噪自编码 组合学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 应用技术研究
• 页码范围: 657-662
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0972.2020.04.025

摘要

针对传统分类学习算法的准确性现状进行了研究,提出了一种基于降噪自编码的组合分类算法(Ensemble Learning based on Denosing Autoencoder,ELDA).与Bagging、Adaboost以及Rotation Forest等传统的组合分类器学习方法不同,ELDA首先通过使用降噪自编码算法将数据集映射到新的特征空间,然后在此空间学习得到决策树作为基分类器,最后对数据集进行类别预测.通过与Bagging、Adaboost及Rotation Forest学习方法相比,结果表明:ELDA在预测精度上显著优于对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宏兵		45	148	7.0	10.0
2	郭华平		18	92	6.0	9.0
3	刁小宇		2	0	0.0	0.0