收藏本站
《兰州理工大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

分类器的选择性集成及其差异性研究

王秀霞  
【摘要】:机器学习是研究让机器具有学习的能力,集成学习是机器学习的一大研究热点,是将多个不同的单个个体模型组合成一个最终模型,这些模型就是我们所要生成的分类器。生成这些模型的目的是利用这些个体模型,利用他们之间的差异性,来改善模型的泛化性能。近年来分类器选择集成方法的应用越来越广泛,已经深入到很多的领域,比如在语音识别、人脸识别、情感识别、文本分类、数据挖掘、游戏、遥感图像分类、医疗诊断等,在这些方向上受到了广泛应用。分类器集成利用不同分类器之间的互补性,提高集成后分类器的性能,并且在各自分类性能上分类器集成充分发挥了每个成员分类器的优势,得到比单个成员分类器都好的分类识别率,其目的是通过对多个互补的分类器识别结果的集成来得到一个高性能的识别系统。具有很大的研究价值,并且也具有很广的实际应用前景。 分类器的差异性和准确性是集成学习的两个充分必要条件,也是选择性集成学习的主要依据,通过提高成员分类器的识别率,增加成员分类器的差异性,来达到提高分类器集成系统性能的目的。但是,在体现分类器的多样性方面分类器集成方法存在着很多不足。为了实现分类器集成系统的最优性能,需要生成具有高准确性和差异性的分类器进行集成,二者必须兼顾,同时也需要考虑针对不同类别的样本采用不同的集成方式。就分类器集成学习中如何提高分类器的准确性,如何提高分类器的差异性这些研究问题进行研究。分析并研究了成员分类器的准确性和差异性的产生,提高集成分类器的识别性能。 本文的工作主要是:分别从集成学习的两个阶段(个体分类器的生成阶段和个体分类器的组合阶段)入手,进行了有关集成学习的两个阶段的优化处理,来生成具有高准确率和差异性的分类器。在分类器的生成阶段,为了生成具有准确率较高的分类器,采用了对原始训练数据集进行特征分割的方式,产生较优的分类器,充分考虑训练样本集的分布特征,在保证单个分类器高性能的情况下,达到成员分类器多样性的目的。在分类器的组合阶段,组合这些分类器的分类结果来达到理想的效果,利用合理的差异度量公式选择出具有差异性的分类器,使得分类器的两个必要性都得到保证,得到平衡,有利于提高集成学习的识别性能。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李小斌;李世银;;时间序列早期分类的多分类器集成方法[J];山东大学学报(工学版);2011年04期
2 田晶华;李翠平;陈红;;基于类标签聚类的动态问题分类集成学习算法[J];计算机科学与探索;2011年09期
3 吕奕;王清;;一种基于概率校正和集成学习的肠癌肝转移预测模型[J];计算机应用与软件;2011年09期
4 翁宁龙;刘冉;吴子章;;一种改进的LBP特征的人脸识别方法[J];信息通信;2011年03期
5 张君昌;张译;;基于改进AdaBoost算法的人脸检测[J];计算机仿真;2011年07期
6 张雪松;;基于级联AdaBoost的Snort异常检测预处理插件研究[J];科学技术与工程;2011年17期
7 王刚;黄星元;施明智;胡挺;张旭炜;李焰;;光纤围栏扰动事件模式识别研究[J];光通信技术;2011年07期
8 林川;潘盛辉;谭光兴;李梦和;;基于聚类与链码技术的交通标志检测[J];计算机测量与控制;2011年06期
9 谭衢霖;徐东彪;;基于面向对象分类的密云县城区地面不透水程度分析[J];北京交通大学学报;2011年04期
10 蔡华利;刘鲁;王理;;突发事件Web新闻多层次自动分类方法[J];北京工业大学学报;2011年06期
11 霍红文;封举富;;基于多类在线Boosting的图像识别算法[J];计算机辅助设计与图形学学报;2011年07期
12 王燕;公维军;;双阈值级联分类器的加速人脸检测算法[J];计算机应用;2011年07期
13 邱超凡;李浩;;基于DAGSVM的雷达辐射源信号分选与识别[J];雷达科学与技术;2011年03期
14 施云飞;宋千;金添;周智敏;;自适应特征筛选的地雷目标AdaBoost分类器[J];电子与信息学报;2011年08期
15 陈益青;张连明;;一个应用于MHCⅡ类分子亲和肽预测的集成分类器[J];计算机应用与软件;2011年08期
16 陈友;程学旗;杨森;;面向网络论坛的高质量主题发现[J];软件学报;2011年08期
17 吕伟忠;;一种改进决策树剪枝算法的研究[J];微型电脑应用;2011年05期
18 马乐;吴斌;王蒙;;基于MBLBP与Haar特征提取的驾驶疲劳检测[J];北京师范大学学报(自然科学版);2011年03期
19 谢尔曼;罗森林;潘丽敏;;基于Haar特征的Turbo-Boost表情识别算法[J];计算机辅助设计与图形学学报;2011年08期
20 韩敏;朱新荣;;基于反向标定合成数据的改进集成算法[J];电子与信息学报;2011年06期
中国重要会议论文全文数据库 前10条
1 付焕焕;李俊;张洁;;入侵检测中机器学习算法的集成[A];中国电子学会第十七届信息论学术年会论文集[C];2010年
2 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
3 朱思俞;石锋;;不定人连续汉语音的四声识别[A];第二届全国人机语音通讯学术会议论文集[C];1992年
4 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
5 徐蔚然;于武贵;郭军;;基于统计方法的混排文字切分与分类[A];第八届全国汉字识别学术会议论文集[C];2002年
6 雷蕾;吴乃君;刘鹏;刘兰娟;;灵敏度分析:分类器中的缺失数据[A];第11届海峡两岸信息管理发展策略研讨会论文集[C];2005年
7 陈颖颖;张雁军;贾鑫;;通信信号调制识别方法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
8 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年
9 肖惠玲;曾翎;黄海莹;张琳;王昱清;杨勤;陈华富;;支持向量机探测脑功能活动[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
10 沈钱波;何加铭;;连笔手写识别搜索算法研究[A];浙江省电子学会2008年学术年会论文集[C];2008年
中国重要报纸全文数据库 前10条
1 黄明;精子分类器决定生男生女[N];广东科技报;2000年
2 记者 姜晓凌 见习记者 王毅俊;原来,科技也能如此美丽[N];上海科技报;2007年
3 中国科学院东北地理与农业生态研究所 李建平;保护地球之肾 遥感体检湿地健康[N];中国水利报;2008年
4 CPW 张戈;Aperto PacketMAX系列可同时服务2000个用户[N];电脑商报;2005年
5 中科院院士 戴汝为;开辟人机结合的新天地[N];计算机世界;2004年
6 本版编辑 中国科学院计算技术研究所数字媒体研究中心 山世光 陈熙霖 高文 徐昕 刘洪宇;你的脸,你的身份证明[N];中国计算机报;2006年
7 刘光强;LSI新一代多业务企业网关[N];中国计算机报;2007年
8 清华大学玉泉医院神外 刘伟国;意识如何进行客观评价[N];健康报;2008年
9 武德锋 李国辉 林洪文 姚作梁;图像世界任我行[N];计算机世界;2002年
10 清华大学 朱健翔;人脸表情估计与表情合成[N];计算机世界;2006年
中国博士学位论文全文数据库 前10条
1 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年
2 谢元澄;分类器集成研究[D];南京理工大学;2009年
3 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年
4 王喆;面向模式表示与模式源的分类器设计方法研究[D];南京航空航天大学;2008年
5 陆瑾;若干有机小分子生物活性和毒性的识别及预测[D];上海大学;2012年
6 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年
7 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年
8 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年
9 陈晓林;基于动态代价敏感的机器学习研究[D];华中科技大学;2010年
10 关菁华;基于贝叶斯网数据挖掘若干问题研究[D];吉林大学;2009年
中国硕士学位论文全文数据库 前10条
1 张家红;集成分类学习算法研究[D];山东师范大学;2011年
2 刘立元;基于集成学习的蛋白质亚细胞定位预测[D];济南大学;2011年
3 李洪伟;基于模式识别和集成学习的电力系统暂态稳定评估[D];华北电力大学(河北);2010年
4 王晓芹;类别不平衡数据的集成学习研究[D];山东师范大学;2010年
5 刘晓坤;基于遗传算法的混合学习和集成学习研究[D];天津大学;2003年
6 郝丽锋;朴素贝叶斯分类器的集成学习方法研究[D];河北大学;2009年
7 田慧;支持向量机集成及在音乐分类中的应用[D];山东师范大学;2009年
8 王秀霞;分类器的选择性集成及其差异性研究[D];兰州理工大学;2011年
9 王体龙;基于置信区间的贝叶斯网参数学习算法及集成学习研究[D];吉林大学;2008年
10 卢廷玉;基于粒子群优化算法的集成学习研究[D];吉林大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978