基于随机化属性选择和邻域覆盖约简的集成学习 ensemble learning based on randomized attribute selection and neighborhood covering reduction.pdfVIP

下载本文档

3
0
约2.02万字
约 7页
2017-08-14 发布于上海
举报
版权申诉

基于随机化属性选择和邻域覆盖约简的集成学习 ensemble learning based on randomized attribute selection and neighborhood covering reduction.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于随机化属性选择和邻域覆盖约简的集成学习 ensemble learning based on randomized attribute selection and neighborhood covering reduction

第2期电子学报 V01．40No．2 2012年2月 ACFAELECTRONICASINICA Feb．2012 基于随机化属性选择和邻域覆盖约简的集成学习朱鹏飞，胡清华，于达仁 (哈尔滨工业大学能源学院，黑龙江哈尔滨150001) 摘要：提高分类模型的分类精度和可靠性是分类建模追求的目标．针对目前规则学习方法应用于分类时稳定性差以及分类精度低的问题，本文通过随机化邻域属性约简，搜索一组分类精度较高的属性子集，在不同的属性子集上采用邻域覆盖约简方法学习分类规则，得到多个规则集．最后通过简单投票融合不同规则集上的分类结果获得对象的类别．实验表明，基于随机化邻域约简的集成学习方法分类性能优于或与其它相关的分类器相当，并且在噪声扰动下具有更强的鲁棒性．关键词：邻域；随机约简；集成学习；规则学习；分类器中图分类号：TP391．4文献标识码： A 文章编号：0372—2112(2012)02—0273—07 电子学报ERE,http：／／www．ejournal．org．an AttributeSelectionand Ensemble BasedonRandomized Learning Reduction NeighborhoodCovering ZHU Da-ren Peng—fei，HUQing—hua，YU Scienceand Institute 150001，Ch／na) (风妒恻ofEnergy Technology，HarbinofTechnology，Harbin，Heilongfiang Abst旧cf： and isthe ofclassification insta— understandabilityobjective modeling．Regarding Improvingaccuracy，robustness and limitationof rule introduceanensembleclassifierbasedonrandomized bility perfommce existinglearningtechniques，we reductionand reduction．Asetofreductsareobtainedwithrandomizedattributereduction．A neighborhood neighborhoodcovering collectionofrulesetsalederivedfromthereductsbasedon reduction．AndthentheclassificationresultiS neighborhoodcoveting rulesets．The resultshowsthatthe isbet— theclassificationdecisionofdifferent outputbycombining