一种新的基于模糊聚类的组合分类器算法
提出一种新的基于模糊聚类的组合分类器算法,该算法利用模糊聚类技术产生训练样本的分布特征,据此为每一个样本赋予一个权值,来确定它们被采样的概率,利用采样样本训练的分类器调整训练集的采样概率,依次生成新的分类器直至达到一定的精度.该组合分类器算法在UCI的多个标准数据集上进行了测试,并与Bagging和AdaBoost算法进行了比较,实验结果表明新的算法具有更好的健壮性和更高的分类精度.
分类器组合、模糊聚类、多样性、样本分布特征
28
TP391.4(计算技术、计算机技术)
山东省科技攻关计划2005GG4210002;山东省教育厅资助项目J07YJ04;山东省优秀中青年科学家科研奖励基金2006BS01020;山东省高新技术自主创新工程专项计划项目2007ZZ17
2008-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
1204-1207