10.14188/j.1671-8836.2015.06.001
分类器集成算法研究
分类器集成作为机器学习算法设计的一种重要策略,具有高泛化性能的优点,已广泛应用于遥感、生物信息、图像处理等领域,逐渐成为研究热点.以三种常用的集成方法bagging、boosting和stacking为线索,分别从算法思想、算法评价、算法改进与变种、算法应用等角度进行探讨,为构建高准确率分类器集成系统建立指导.最后,对分类器集成算法的未来发展方向进行了展望.
分类器集成、集成学习、泛化性能、多样性、bagging、boosting、stacking
61
TP391(计算技术、计算机技术)
中央高校基本科研业务费专项资金2012211020209;广东省省部产学研结合专项2011B090400477;河南省科技攻关计划142102210397;河南省高等学校重点科研项目15A520008
2016-01-06(万方平台首次上网日期,不代表论文的发表时间)
503-508