基于Bagging的兩階段特征選擇集成分類器研究.pdf

1、集成分類是利用分類器互補(bǔ)關(guān)系有效提高泛化能力的多分類器集成方法，日益成為機(jī)器學(xué)習(xí)的新的研究方向，在多個(gè)領(lǐng)域得到了有效應(yīng)用。集成分類器性能指標(biāo)關(guān)鍵在于兩個(gè)方面因素的制約：一是個(gè)體分類器的精度，二是成員分類器相互間的差異化。目前大部分算法設(shè)計(jì)都是通過(guò)擾動(dòng)訓(xùn)練集并以此來(lái)設(shè)計(jì)差異性較大的基分類器，如Bagging與Boosting算法等。如何獲取成員分類器相互間較大差異化的同時(shí)提高成員分類器的精度，是當(dāng)前集成學(xué)習(xí)研究的熱點(diǎn)。
　　本文提出

2、了一種基于Bagging的兩階段特征選擇集成分類器，從差異化成員分類器和提高成員分類器精度兩個(gè)方面考慮，進(jìn)一步提高集成效果。該集成分類器通過(guò)兩階段特征選擇雙重?cái)_動(dòng)訓(xùn)練集來(lái)提高個(gè)體分類器的精度和多樣性，并選擇性集成差異較大的個(gè)體分類器，最終運(yùn)用加權(quán)投票思想輸出分類結(jié)果。該集成分類器已運(yùn)用于局部放電故障診斷的實(shí)際應(yīng)用中，能有效地識(shí)別局部放電的類型，及時(shí)準(zhǔn)確地對(duì)變壓器的絕緣狀況進(jìn)行評(píng)估。
　　主要工作如下：
　　(1)提出了一種改

3、進(jìn)的集成分類器，通過(guò)融合Bagging算法和兩階段特征選擇相結(jié)合方法來(lái)雙重?cái)_動(dòng)訓(xùn)練集，來(lái)構(gòu)建不同的輸入空間，達(dá)到提高個(gè)體分類器多樣性和精度的目的。
　　(2)采用IAS算法對(duì)成員分類器進(jìn)行差異化選擇，并再次選用遺傳算法擇優(yōu)，加權(quán)輸出最終結(jié)果。實(shí)驗(yàn)表明，本集成分類器較其他集成分類器能獲得較優(yōu)的個(gè)體分類器精度和較大差異性的個(gè)體分類器組合。
　　(3)在局部放電故障診斷實(shí)際問(wèn)題中驗(yàn)證了本集成分類器。通過(guò)實(shí)驗(yàn)選擇了熵值法、互信息、特