利用旋转森林变换的异构多分类器集成算法OA北大核心CSCDCSTPCD
Isomerous multiple classifier ensemble via transformation of the rotating forest
为了增强集成系统中各分类器之间的差异性，提出了一种使用旋转森林策略集成两种不同模型分类器的方法，即异构多分类器集成学习算法。首先采用旋转森林对原始样本集进行变换划分，获得新的样本集；然后通过特定比例选择分类精度高的支撑矢量机或分类速度较快的核匹配追踪作为基本的集成个体分类器，并对新样本集进行分类，获得其预测标记；最后结合两种模型下的预测标记。该算法通过结合两种不同分类器模型，实现了精度和速度互补，将二者混合集成后改善了集成系统泛化误差，相比单个模…查看全部>>
In order to boost the diversity among individual classifiers of an ensemble,a new ensemble method is proposed that combines two different classifier models via a transformation of rotation forest, named by isomerous multiple classifier ensemble.Firstly,the original samples are transformed and divided by the rotating forest to obtain new samples.Then support vector machine with the high accuracy of classification or kernel matching pursuit with the speedy cla…查看全部>>
毛莎莎;熊霖;焦李成;张爽;陈博
西安电子科技大学 智能感知与图像理解教育部重点实验室，陕西 西安 710071西安电子科技大学 智能感知与图像理解教育部重点实验室，陕西 西安 710071西安电子科技大学 智能感知与图像理解教育部重点实验室，陕西 西安 710071西安电子科技大学 智能感知与图像理解教育部重点实验室，陕西 西安 710071西安电子科技大学 智能感知与图像理解教育部重点实验室，陕西 西安 710071
信息技术与安全科学
集成分类器旋转森林支撑矢量机核匹配追踪
classifier ensemblerotation forestsupport vector machinekernel matching pursuit
《西安电子科技大学学报（自然科学版）》 2014 (5)
大规模稀疏迁移学习理论及其在SAR图像分类中的应用
48-53,6
国家重点基础研究发展计划资助项目(2013CB329402)国家自然科学基金资助项目(61003198,60702062)高等学校学科创新引智计划(111计划)资助项目(B07048)
评论