位置:成果数据库 > 期刊 > 期刊详情页
基于分类问题的选择性集成学习研究
  • ISSN号:1001-3695
  • 期刊名称:《计算机应用研究》
  • 时间:0
  • 分类:TP301.6[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]中国人民大学统计学院,北京100872
  • 相关基金:国家自然科学基金重点资助项目(10431010);国家教育部重点基地重大项目(05JJD910001)
作者: 陈凯[1]
中文摘要:

提出了一种应用于分类问题,以分类回归树为基学习器,并综合了Ada Boost.M1和Bagging算法特点,利用变相似度聚类技术和贪婪算法来进行选择性集成学习的算法——SEC-Ada Boost Bagging Trees,并将其与几种常用的机器学习算法比较研究得出,该算法往往比其他算法具有更好的泛化性能和更高的运行效率。

英文摘要:

This paper introduced a new ensemble algorithm, SEC-AdaBoostBagging Trees ensemble algorithm, which was a combination of tree classifiers and was based on variational similarity cluster technology and greedy method, and it was also combined with the features of AdaBoost. M1 and Bagging. Compared with a series of other learning algorithms, it often has better generalization ability and higher efficiency.

同期刊论文项目
期刊论文 100 会议论文 13 获奖 16 著作 5
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049