结合类别信念的AdaBoost算法(英文) |
| |
引用本文: | 严超,吴悦,岳晓冬.结合类别信念的AdaBoost算法(英文)[J].应用科学学报,2015(2):203-214. |
| |
作者姓名: | 严超 吴悦 岳晓冬 |
| |
作者单位: | 上海大学计算机工程与科学学院 |
| |
基金项目: | Supported by the National Science Foundation of China(No.61103067) |
| |
摘 要: | 集成学习是一种受到广泛认可和使用的机器学习算法.为此提出一种新的多类集成学习算法,即AdaBoost belief.此算法改进多类集成学习算法AdaBoost·SAMME,使每个基分类器对于每个类别都有权重信息.这种类别上的权重被称为类别信念,可通过计算每次迭代中各个类别的正确率得到.将所提出的算法与原有的AdaBoost·SAMME算法从预测准确率、泛化能力以及理论支持等方面进行比较发现:在高斯数据集、多种UCI数据集以及基于日志的多类别入侵检测应用中,该算法不但具有更高的预测准确率和泛化能力,而且当类别数目增加,即类别更难以预测时,其分类错误率较原有AdaBoost·SAMME算法上升得更缓慢.
|
关 键 词: | 集成学习 多类别 类别信念 类别权重 AdaBoost·SAMME |
本文献已被 CNKI 等数据库收录! |
|