毕业设计的相关工作邱诚.ppt

毕业设计的相关工作 邱 诚 毕业设计主要内容 libD3C使用 毕业设计主要内容 基于聚类的选择性集成学习研究 基于集成学习的信贷风险研究 基于集成学习的音乐识别方法研究 多标记分类中的集成学习 未来研究点 基于聚类的选择性集成学习研究 基于聚类的集成修剪 目的：去除冗余的分类器，提高整体差异性 原理：错分交集作为距离度量的k-means 动态选择与循环集成 目的：构建多层次的优化模型 原理：相互一致性度量κ，顺序搜索算法 基于集成学习的不平衡数据研究 不同集成方法对于AUC和精度的影响情况 信贷测评上的应用 基于集成学习的音乐识别方法研究 进行分类器过滤 目的：自动剔除分类器集合中不适合多分类数据集的分类器 利用交叉验证进行分类器参数调整 目的：提高分类器在多分类数据集上的能力 多标记分类中的集成学习 基于问题转化法的选择性集成学习 目的：应用于多标记分类 原理：Binary relevance (BR) 多标记分类数据集上的应用 目的：验证方法的可行性 原理：Hamming loss，micro-average F-measure 未来研究点 差异性度量 不必要局限于相互一致性度量 对比不同相互一致性度量方式 聚类算法的改进 K-means改进 聚类簇数的选择 不必要局限于k-means，比如谱聚类 启发式算法 结合PSO等算法进行分类器的修剪 参考论文 聚类改进 论文：Spectral Methods for Automatic Multi-scale Data Clustering PSO结合 论文：Multilayer Ensemble Pruning via Novel Multi-sub-swarm Particle Swarm Optimization libD3C使用 Weka环境下的配置 libD3C代码修改工作 Eclipse中以jar包形式调用 Weka环境下的配置 配置条件 libD3C包 (点击获取) Weka 3.7.5以上的版本 Weka中需要添加的包 (点击获取) Weka环境下的配置 配置步骤 搜索wekafiles文件夹 (一般在用户目录下) 将之前下载的算法包解压放入packages目录下 启动weka即可 libD3C代码修改工作 调用libD3C Sample类进行修改 Config目录下修改分类器配置文件 功能改进 cn.edu.xmu.dm.d3c.core包下进行修改 libD3C代码修改工作 cn.edu.xmu.dm.d3c.core包 MyKMeans类 改进了距离度量方式 MyUtil类 获取路径 获取样例 SelectiveEnsemble类 用于交叉验证的概率分布模型 SelectiveStrategy类 基于聚类的集成学习算法 SelectiveAlgorithm类 SBS，SFS，动态选择与循环集成框架代码 谢 谢 * *