10.3778/j.issn.1673-9418.2010.05.008
使用PCA建立基于规则的组合分类器
提出了一种使用基于规则的基分类器建立组合分类器的新方法PCARules.尽管新方法也采用基分类器预测的加权投票来决定待分类样本的类,但是为基分类器创建训练数据集的方法与bagging和boosting 完全不同.该方法不是通过抽样为基分类器创建数据集,而是随机地将特征划分成K个子集,使用PCA得到每个子集的主成分,形成新的特征空间,并将所有训练数据映射到新的特征空间作为基分类器的训练集.在UCI机器学习库的30个随机选取的数据集上的实验表明:算法不仅能够显著提高基于规则的分类方法的分类性能,而且与bagging和boosting等传统组合方法相比,在大部分数据集上都具有更高的分类准确率.
组合分类器、特征提取、主成分分析
4
TP181(自动化基础理论)
The National Natural Science Foundation of China under Grant No.60773048;the Sub-topics in the National Science & Technology Pillar Program in the Eleventh Five-year Plan Period under Grant No.2006BAF01A00
2010-06-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
455-463