10.3969/j.issn.1000-3428.2011.20.062
数据流选择性集成的两阶段动态融合方法
选择性集成分类算法虽能提高集合分类器在整体数据集上的分类性能,但针对某一具体效据进行分类时,其选择出的个体分类器集合并不一定是最优组合.为此,从数据自适应角度出发,提出一种数据流选择性集成的两阶段动态融合方法,利用待分类数据所在特征空间中的位置,动态选择个体分类器集合,并对其进行分类.理论分析和实验结果表明,与GASEN算法相比,该方法的分类准确率更高.
数据流、选择性集成、分类、自适应、特征空间
37
N945(系统科学)
国家自然科学基金资助项目61073043,60873037,61073041
2012-01-18(万方平台首次上网日期,不代表论文的发表时间)
共3页
180-182