基于排序选择度量的自适应集成方法

摘要：

针对集成过程中基分类器的集成优先性缺少精确化度量而导致的模型选择严谨性不高、系统精简性设计难以实现的问题,文中提出了一种基于排序选择度量方式、自适应权重设置的集成分类方法.首先,利用K折交叉验证及设计的误差熵与分类器互补性相结合的组合指数度量方法,选出集成优先性最高的两个分类器;然后,通过构造的以组合指数为基础的整体组合指数度量方法,实现对不同模型的优先性排序选择;最后,通过设置自适应权重的方式为不同模型找到最佳权重进行集成分类.在UCI数据集上的实验结果表明,所提方法与其他分类模型相比,各项分类评价指标均有提高,验证了该集成方法的可行性.该方法通过设计的模型选择定量性依据及自适应权重设置机制,使得整个集成分类系统具有模型选择分层性、可自适应精简化的特点.

关键词：排序选择、误差熵、互补性、组合指数、自适应权重

所属期刊栏目：46

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61572239,61772242;国家自然科学基金青年基金项目61402204

在线出版日期：2020-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：237-241