|
|
1.
基于实例的强分类器快速集成方法
许业旺, 王永利, 赵忠文
计算机应用
2017, 37 (4):
1100-1104.
DOI: 10.11772/j.issn.1001-9081.2017.04.1100
针对集成分类器由于基分类器过弱，需要牺牲大量训练时间才能取得高精度的问题，提出一种基于实例的强分类器快速集成方法——FSE。首先通过基分类器评价方法剔除不合格分类器，再对分类器进行精确度和差异性排序，从而得到一组精度最高、差异性最大的分类器；然后通过FSE集成算法打破已有的样本分布，重新采样使分类器更多地关注难学习的样本，并以此决定各分类器的权重并集成。实验通过与集成分类器Boosting在UCI数据库和真实数据集上进行比对，Boosting构造的集成分类器的识别精度最高分别能达到90.2%和90.4%，而使用FSE方法的集成分类器精度分别能达到95.6%和93.9%；而且两者在达到相同精度时，使用FSE方法的集成分类器分别缩短了75%和80%的训练时间。实验结果表明，FSE集成模型能有效提高识别精度、缩短训练时间。
参考文献 |
相关文章 |
多维度评价
|
|
