特征變換在組合分類中的應(yīng)用研究.pdf_第1頁
已閱讀1頁，還剩46頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、組合分類方法是機器學習領(lǐng)域逐漸發(fā)展起來的用于提高弱分類器準確性的有效方法,被認為是十幾年來研究的最好的學習算法之一。大量的理論和實驗研究表明:與單個分類模型相比,組合分類模型具有明顯的優(yōu)勢。
　　 在組合分類中,影響組合分類器性能的一個重要因素足各個基分類器間的差異性。不同的組合算法通常采用不同的方法來保證這種的差異。經(jīng)典組合分類算法如Bagging、Boosting,都是從訓練樣本的角度出發(fā)采用隨機抽樣的方法來生成不同的基分類

2、器。隨機抽樣能夠保證基分類器的差異,但它也有缺陷一一存在丟失信息的風險,特別是在訓練樣本集很小的情況下,這個問題就更突出了。
　　 我們從RotationForest算法中得到啟發(fā),通過對訓練數(shù)據(jù)集進行特征變換來保證基分類器的差異度。由此我們提出了一種新的組合分類算法--ICATrees。與傳統(tǒng)的建立組合分類器方法不同是,此算法在建立組合分類器時是從數(shù)據(jù)集的特征屬性出發(fā),通過隨機劃分、特征變換ICA,將訓練數(shù)據(jù)集映射到不同的特征

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論