基于训练集平行分割的集成学习算法研究
针对大规模数据分类中训练集分解导致的分类器泛化能力下降问题,提出基于训练集平行分割的集成学习算法.它采用多簇平行超平面对训练集实施多次划分,在各次划分的训练集上采用一种模块化支持向量机网络算法训练基分类器.测试时采用多数投票法对各个基分类器的输出进行集成.在3个大规模问题上的实验表明:在不增加训练时间和测试时间的条件下,集成学习在保持分类器偏置基本不变的同时有效减少了分类器的方差,从而有效降低了由于训练集分割导致的分类器泛化能力下降.
并行处理系统、学习系统、集成学习
30
TP391(计算技术、计算机技术)
国家自然科学基金重点项目60835004;国家"八六三"计划项目2007AA04Z244;湖南省博士后科研资助专项计划项目2008RS4005
2009-06-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
908-911