基于聚类优化覆盖的集成学习方法

摘要：

传统的覆盖方法形成的覆盖都是"优簇",但是无法形成非球状的覆盖;而聚类求覆盖的方法就可以得到非球状覆盖,但是由于很难事先找到合适的相似度,所以无法求得全部"优簇".文中把两者的优点结合起来并加以推广,与SVM, NaiveBayes,交叉覆盖等学习方法相结合,形成基于聚类优化覆盖的集成学习方法,这样求得的覆盖既可以是非球状覆盖,又是全"优簇",优化了覆盖领域.实验证明该方法产生的覆盖不仅数量上较少,并且覆盖的准确率较高,具有一定的抗噪声能力.

关键词：聚类、覆盖、相似度

所属期刊栏目：20

分类号：TP183(自动化基础理论)

资助基金：欧盟项目TYPES资助types project 29001

在线出版日期：2011-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：51-54,58