一种基于特征集构建的Bagging集成方法及其在流量分类中的应用

摘要：

Bagging是一种经典的分类器集成方法,其有效性依赖于基分类器之间的差异度.通过遗传算法为每个基分类器构建独立的特征集,目的是获得基分类器之间更好的差异性.同时,根据不同基分类器的分类性能进行优化加权集成,获得更好的泛化能力.最后,采用Softmax回归作为基分类器,将改进的Bagging集成方法应用到互联网流量分类,实验结果表明,改进方法相比经典Bagging方法在分类准确率上有显著提高,与利用决策树集成的随机森林相比也有较好的性能提升.

关键词：Bagging集成、特征子集、遗传算法、流量分类

所属期刊栏目：34

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2018-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：41-48