版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著國(guó)際互聯(lián)網(wǎng)的發(fā)展和大規(guī)模存儲(chǔ)的普遍應(yīng)用,數(shù)據(jù)挖掘作為對(duì)數(shù)據(jù)進(jìn)行分析理解應(yīng)用的科學(xué),越來(lái)越受到重視.數(shù)據(jù)分類是數(shù)據(jù)挖掘的一個(gè)重要研究領(lǐng)域.近年來(lái)數(shù)據(jù)分類的理論研究和實(shí)際應(yīng)用都獲得了長(zhǎng)足的進(jìn)步,陸續(xù)出現(xiàn)了許多實(shí)用的分類模型和實(shí)現(xiàn)算法.在分類研究領(lǐng)域,組合分類器的優(yōu)化方法逐漸變得引人注目.組合分類器的代表算法有Bagging,AdaBoost和Arcing.三者算法新穎,績(jī)效突出,引起研究者的廣泛重視.對(duì)它們進(jìn)行分析和比較對(duì)實(shí)際應(yīng)用的推廣
2、具有重要意義.該文在分類錯(cuò)誤率、合并規(guī)模和算法相關(guān)度等方面對(duì)三個(gè)算法進(jìn)行綜合對(duì)比,獲得了許多對(duì)實(shí)際應(yīng)用具有指導(dǎo)意義的結(jié)果.Bagging算法分類樣本形式簡(jiǎn)單,對(duì)底層分類模型沒(méi)有特殊要求,適用范圍廣,其單個(gè)分類器的產(chǎn)生是獨(dú)立的,易于并行處理.其循環(huán)步長(zhǎng)優(yōu)化設(shè)置為15左右.AdaBoost和Arcing屬于Booting算法,單個(gè)分類器的產(chǎn)生有順序依賴關(guān)系.由于采用了適應(yīng)性權(quán)重,兩者的優(yōu)化效果好于Bagging.AdaBoost算法形式復(fù)雜
3、,理論基礎(chǔ)深厚.Arcing方法權(quán)重更新模式簡(jiǎn)潔清晰.與AdaBoost相比,兩者分類準(zhǔn)確度接近,而AdaBoost更適用于大規(guī)模數(shù)據(jù)庥,Arcing則在相對(duì)較小的數(shù)據(jù)集上表現(xiàn)出色.兩者的迭代步長(zhǎng)優(yōu)化設(shè)置為25左右.除此分析比較以外,該文提出一種基于適應(yīng)性權(quán)重和限制目標(biāo)類權(quán)重?cái)U(kuò)張的AdaBoost改進(jìn)算法.它通過(guò)避免在目標(biāo)類別上發(fā)生權(quán)重扭曲,有效地解決了在個(gè)別數(shù)據(jù)集上發(fā)生的退化問(wèn)題.針對(duì)目標(biāo)類的權(quán)重限制設(shè)置,該文提出了兩種參考設(shè)置方式.
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 內(nèi)存優(yōu)化的流分類算法研究.pdf
- 基于組合優(yōu)化的線性分類算法研究.pdf
- 決策樹(shù)分類優(yōu)化算法的研究.pdf
- 基于貪婪優(yōu)化和投影變換的集成分類器算法研究.pdf
- 基于分類器算法的行人檢測(cè)研究.pdf
- 基于級(jí)聯(lián)分類器的跟蹤算法研究.pdf
- 基于分類優(yōu)化算法的集成入侵檢測(cè)器設(shè)計(jì)與實(shí)現(xiàn).pdf
- 決策樹(shù)分類算法優(yōu)化研究.pdf
- 多分類器集成算法研究.pdf
- 基于EP的多分類器表決分類算法.pdf
- 決策樹(shù)分類器算法的研究.pdf
- 基于SPARK優(yōu)化的聚類分類算法研究.pdf
- 基于貝葉斯分類器的圖像標(biāo)注算法研究.pdf
- 訓(xùn)練基于EP的分類器算法.pdf
- 結(jié)合主動(dòng)學(xué)習(xí)的半監(jiān)督分類算法優(yōu)化研究.pdf
- 分類問(wèn)題的智能優(yōu)化算法及其應(yīng)用研究.pdf
- 發(fā)酵過(guò)程的在線分類和調(diào)度優(yōu)化算法研究.pdf
- 基于集成分類器的數(shù)據(jù)流分類算法研究.pdf
- 基于多分類器融合的高光譜圖像分類算法研究.pdf
- 基于SVM分類器的分步定位算法研究.pdf
評(píng)論
0/150
提交評(píng)論