基于随机子空间和AdaBoost的自适应集成方法

YAO Xu,WANG Xiao-dan,ZHANG Yu-xi,XING Ya-qiong

Acta Electronica Sinica（2013）

引用 0|浏览7

暂无评分

摘要

如何构造差异性大且精确度高的基分类器是集成学习的重点,为此提出一种新的集成学习方法——利用PSO寻找使得AdaBoost依样本权重抽取的数据集分类错误率最小化的最优特征权重分布,依据此最优权重分布对特征随机抽样生成随机子空间,并应用于AdaBoost的训练过程中.这就在增加分类器间差异性的同时保证了基分类器的准确度.最后用多数投票法融合各基分类器的决策结果,并通过仿真实验验证该方法的有效性.

查看译文

关键词

particle swarm optimization,AdaBoost algorithm,ensemble learning,random subspace

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要