| 噪声数据下基于模型权重与随机子空间的集成学习 |
| |
| 引用本文： | 林培榕,林耀进. 噪声数据下基于模型权重与随机子空间的集成学习[J]. 合肥工业大学学报(自然科学版), 2015, 0(2): 186-190,269 |
| |
| 作者姓名： | 林培榕 林耀进 |
| |
| 作者单位： | 闽南师范大学计算机学院,福建漳州,363000 |
| |
| 基金项目： | 国家自然科学基金资助项目(61303131；61379021)；福建省自然科学基金资助项目，漳州市科技计划资助项目 |
| |
| 摘 要： | 针对训练集中类标号存在噪声的情况,提高分类模型的稳定性和分类精度是分类建模的目标。文章通过随机化邻域属性约简,生成多个邻域可分子空间,从而形成不同的基分类模型;通过基分类模型的预测结果及一致性原则学习基分类模型权重,降低了噪声对基分类模型权重学习的影响;最后利用模型权重融合基分类模型的分类结果获得测试样本的类别,并通过仿真实验验证该方法的有效性。
|
| 关 键 词： | 噪声数据 集成学习 邻域粗糙集 随机约简 模型权重 |
Ensemble learning based on model weight and random subspace in noise data |
| |
| LIN Pei-rong,LIN Yao-jin. Ensemble learning based on model weight and random subspace in noise data[J]. Journal of Hefei University of Technology(Natural Science), 2015, 0(2): 186-190,269 |
| |
| Authors: | LIN Pei-rong LIN Yao-jin |
| |
| Affiliation: | LIN Pei-rong;LIN Yao-jin;School of Computer Science and Engineering,Minnan Normal University; |
| |
| Abstract: | |
| |
| Keywords: | noise data ensemble learning neighborhood rough set randomized reduction model weight |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
