10.3969/j.issn.1003-6059.2010.04.018
基于成对差异性度量的选择性集成方法
有效地产生泛化能力强、差异大的个体学习器,是集成学习算法的关键.为了提高学习器的差异性和精度,文中提出一种基于成对差异性度量的选择性集成方法.同时研究一种改进方法,进一步提高方法的运算速度,且支持并行计算.最后通过使用BP神经网络作为基学习器,在UCI数据集上进行实验,并与Bagging、基于遗传算法的选择性集成(GASEN)算法进行比较.实验结果表明,该改进算法在性能上与GASEN算法相近的前提下,训练速度得到大幅提高.
集成学习、选择性集成、差异性、成对差异性度量、并行计算
23
TP181(自动化基础理论)
国家自然科学基金60572128;安徽省人才发展基金2005Z029
2010-11-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
565-571