一种不平衡水声目标数据的选择性集成算法

发布时间：2021-05-26 14:26

　　针对不平衡水声目标数据分类问题,本文提出了一种间隔和差异性融合的选择性集成算法。从理论上给出了单纯增加差异性无法改善泛化性的原因,融合间隔和差异性构造了选择性度量,利用选择性度量对基分类器进行选择性集成从而形成最终分类器。实测水声目标数据试验结果表明:本文算法整体性能优于AdaBoost算法和常规选择性集成算法,说明其更适合处理不平衡水声目标数据分类问题。 

【文章来源】：哈尔滨工程大学学报. 2020,41(10)北大核心EICSCD

【文章页数】：6 页

【文章目录】：
1 间隔理论
2 集成分类器泛化性与差异性的关系
3 间隔和差异性融合的选择性集成算法
    3.1 间隔和差异性融合的选择性度量
    3.2 算法描述
4 实测水声目标数据试验
    4.1 数据集及评价准则
    4.2 试验参数设置
    4.3 试验结果与分析
5 结论


【参考文献】：
期刊论文
[1]一种不平衡数据流集成分类模型[J]. 欧阳震诤,罗建书,胡东敏,吴泉源.  电子学报. 2010(01)



本文编号：3206529