在不同机器学习模型下具自我调适能力的多种新型权重调整方法.PDFVIP

行政院國家科學委員會專題研究計畫 成果報告 在不同機器學習模型下具自我調適能力的多種新型權重調 整方法 研究成果報告(精簡版) 計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 99-2221-E-022-009- 執 行 期 間 ：99年08月01日至 100年07月31日 執 行 單 位 ：國立高雄海洋科技大學資訊管理系 計 畫 主 持 人 ： 黃淇竣 公 開 資 訊 ： 本計畫涉及專利或其他智慧財產權，2年後可公開查詢 中 華 民 國 100 年 10月 31 日 中文摘要： 本研究計畫之主要研究目的為提出在不同機器學習模型下、具 自我調適能力的多種新型權重調整方法。根據執行進度將依序 完成快速、有效的、在不同機器學習模型下具自我調適能力的 多種新型權重調整方法，接著運用這些方法並發揮它們的優 點，研究發展各項可能的應用。 英文摘要： Feature selection, methods of combining homogeneous learning machines and combining heterogeneous learning machines have gained great popularity in machine learning and pattern recognition in recent years. Among these research topics, weighting adjustment issues should be addressed. For example, features with great importance will be identified by feature weighting adjustment scheme. In addition, each individual learning machine might be suitable only for some specific real-world classification problems. The overall performance of homogeneous or heterogeneous learning ensemble may be improved by individual learning machine weighting adjustment scheme. In this research project, novel adaptive weighting adjustment methods for different machine learning models will be proposed and investigated. The weighting of each feature in a classification problem will be adjusted based on Taguchi methods. In this