异构集成学习中的观察学习机制研究

摘要：

集成学习是提高分类精度的一种有效途径,已在许多领域显示出其优于单个分类器的良好性能.观察学习是一种基于社会学习理论的集成学习方法,以往对其研究集中于同构模式.在此提出了基于异构模式的观察学习策略,通过训练、观察、再训练三个阶段完成学习.在UCI标准数据集上对异构环境下的观察学习算法进行了实验研究.结果表明,该方法优于多数投票法和单个分类算法,其对弱分类器组成的分类器集合尤其有效.从偏差/方差分解的角度对观察学习提高分类性能的原因进行了论证,结果表明,观察学习算法既可以降低偏差,也可以降低方差.

关键词：观察学习、社会学习理论、分类器集成、异构集成

所属期刊栏目：24

分类号：TP18(自动化基础理论)

资助基金：国家重点基础研究发展计划973计划2004CB719401

在线出版日期：2006-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：54-57