基于成对差异性度量的选择性集成方法

摘要：

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.

关键词：集成学习、选择性集成、差异性、成对差异性度量、并行计算

所属期刊栏目：23

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60572128;安徽省人才发展基金2005Z029

在线出版日期：2010-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：565-571