面向目标的带先验概率的AdaBoost算法
针对集成学习算法研究中多个分类器的最佳组合问题,改进了传统的AdaBoost集成学习算法.用于组合的各个分类器通常是基于样本集通过一定的训练得到,样本集中不同类目标的比率可以反映分类目标的先验概率.使用该参数给出了新的组合参数和投票表决阈值计算公式,巧妙的利用样本权值并将其加入到样本属性上进行训练学习,采用新的策略来选择基分类器,给出了面向目标的带先验概率的AdaBoost算法(GWPP AdaBoost算法)和分类器的最佳组合.依据UCI实验数据对传统的AdaBoost算法、Bagging算法、GWPP AdaBoost算法的错误率和性能进行了比较分析,验证了GWPP AdaBoost的有效性.
集成学习、AdaBoost算法、分类器组合、先验概率
42
TP391(计算技术、计算机技术)
国家重点基础研究发展规划973计划项目2004CB318003;四川省科技支撑计划资助项目2008SZ0100,2009SZ0214;中国科学院西部之光人才培养项目资助
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
139-144