一種基于AdaBoost的組合分類算法研究.pdf_第1頁
已閱讀1頁，還剩52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、分類是數(shù)據(jù)挖掘研究范疇中為了解決分類問題而提出的方法，同時它也是一種重要的分析數(shù)據(jù)的技術(shù)。作為一種有效的科學(xué)研究工具，組合分類器在醫(yī)療診斷、手寫體識別、人臉識別、推薦系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用。
　　本文首先討論分析了數(shù)據(jù)挖掘理論中分類技術(shù)的基本理論及其幾個常用的分類算法。研究分析了集成模型優(yōu)于單模型的原因，詳細論述了集成學(xué)習(xí)的基本原理與算法，從理論分析和實驗驗證兩個方面對Bagging和Boosting算法進行了對比研究。

2、　　在已有研究的基礎(chǔ)上，利用集體智慧和集成學(xué)習(xí)理論思想，從差異性的角度對AdaBoost算法進行了分析改進，提出了Ensemble-AdaBoost算法。該算法把不同類型的分類算法作為基分類器，應(yīng)用到多個AdaBoost算法框架中，形成多個基于AdaBoost算法的“基分類器”。最終，采用簡單多數(shù)投票法的原則把“基分類器”的分類結(jié)果進行組合，作為Ensemble-AdaBoost算法的分類結(jié)果。通過加大基分類器間的差異程度，使Ensem

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(yù)覽，若沒有圖紙預(yù)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