一种加入动态权重的AdaBoost算法
”目的”由于AdaBoost算法弱分类器对各待测样本其投票权重是固定不变的,这会导致使用该算法进行分类时准确性不高,于是针对该问题提出了一种结合静态权重与动态权重的学习算法AdaBoost_DW.”方法”该算法保留了AdaBoost算法训练阶段产生的全部弱分类器,在预测阶段加入了能度量待测样本与各个弱分类器适应性的动态权重,通过双权重共同决定该弱分类器的投票权重.”结果”实验结果表明,AdaBoost_DW算法的分类精度绝大多数情况下高于原AdaBoost算法.”结论”证明了动态权重的加入能够提高原AdaBoost算法在各数据集上的分类准确率.
AdaBoost算法、局部区域、适应性、动态权重
36
TP391(计算技术、计算机技术)
国家自然科学基金面上项目11671062;重庆市教育规划重点项目2017-GX-116
2019-11-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
117-122