|
|||||
|
|
| HSEC:基于聚类的启发式选择性集成 | |
| 引用本文： | 郑丽容,洪志令.HSEC:基于聚类的启发式选择性集成[J].南京大学学报(自然科学版),2018(1). |
| 作者姓名： | 郑丽容 洪志令 |
| 作者单位： | 厦门大学计算机科学系;厦门大学软件学院; |
| 摘 要： | 提出一种基于聚类的启发式选择性集成学习算法.集成学习通过组合多个弱分类器获得比单一分类器更好的学习效果,把多个弱分类器提升为一个强分类器.理论上来说弱分类器的个数越多,组合的模型效果越好,但是随着弱分类器的增多,模型的训练时间和复杂度也随之递增.通过聚类的方法去除相似的弱分类器,一方面有效降低模型的复杂度,另一方面选出差异性较大的弱分类器作为候选集合.之后采用启发式的选择性集成算法,对弱分类器进行有效的组合,从而提升模型的分类性能.同时采用并行的集成策略,提高集成学习选取最优分类器子集效率,可以有效地减少模型的训练时间.实验结果表明,该算法较传统方法在多项指标上都有着一定的提升. |
| 本文献已被 CNKI 等数据库收录！ | |