最大间隔集成学习算法与应用

摘要：

针对集成学习算法的不足,提出了一种新颖的集成学习算法一集成最大间隔集成学习算法(MMEA).该算法的时间与空间复杂度都是O(N),而标准的SVM算法的时间复杂度是O(N3),空间复杂度是O(N2),其中N是数据样本的大小,并从理论上证明了MMEA算法的收敛性.用MMEA算法与Bagging LibSVM,AdaBoostLibSVM,BaggingLiblinear,AdaBoostLiblinear流行的集成算法对扩展的MIT人脸数据集进行分类.实验结果表明,提出的MMEA算法在多项指标上均达到最优.

关键词：最大间隔、多层感知器、集成算法、扩展的MIT人脸数据集、ROC曲线

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2013-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1504-1509