基于支持向量域描述的稀疏Bagging算法

发布时间：2017-10-28 00:22

  本文关键词：基于支持向量域描述的稀疏Bagging算法

  更多相关文章： 集成学习 支持向量域描述 最小超球面

【摘要】：提出了1种基于SVDD(support vector domain description)的集成剪枝算法。首先通过有放回的随机采样训练出若干个学习模型,接着通过支持向量域描述算法寻找1个最小超球面,使其包含不少于一定数量的预测模型;然后得到1个可以确定球心位置的稀疏权重向量;最后选取该向量中非零元素所对应的学习模型解决二分类问题。通过多组实验将基于SVDD的集成剪枝算法与Bagging以及其他集成剪枝算法进行比较,验证了所提出算法的准确性和高效性。
【作者单位】： 北京理工大学计算机学院;
【关键词】： 集成学习 支持向量域描述 最小超球面
【基金】：国家自然科学基金资助项目(61271374)
【分类号】：TP181
【正文快照】： 集成学习是1种常见的机器学习算法,该算法用特定规则将训练得到的若干学习模型组合为1个新的模型,可以取得比单个模型更高的预测准确度[1],因此该算法被广泛地应用于很多科学领域,如人脸识别[2]、动作识别[3]和目标跟踪[4]等。在传统的Bagging集成算法中,所有训练好的模型都参

【相似文献】

中国期刊全文数据库 前10条

1 王立;朱学峰;;一种基于迭代Bagging的回归算法[J];控制工程;2009年01期

2 谢元澄;杨静宇;;删除最差基学习器来层次修剪Bagging集成[J];计算机研究与发展;2009年02期

3 李明方;张化祥;;针对不平衡数据集的Bagging改进算法[J];计算机工程与应用;2010年30期

4 刘青,李海峰,袁科;微阵列数据中一种改进Bagging决策树算法的研究[J];计算机工程与科学;2005年06期

5 张震,胡捍英;基于属性Bagging kNN性能的增强[J];计算机工程;2005年15期

6 谢元澄;杨静宇;;基于基学习器差异度的层次化Bagging集成修剪[J];信息与控制;2009年04期

7 秦姣龙;王蔚;;Bagging组合的不平衡数据分类方法[J];计算机工程;2011年14期

8 赵苏;李秀;刘文煌;;基于分类器性能评价的Bagging文本分类算法[J];计算机工程;2008年01期

9 魏浩;丁要军;;属性相关选择和Bagging算法在入侵检测中的应用[J];电子测试;2014年06期

10 陈凯;朱钰;王征;;一种基于差异思想的选择性Bagging Trees集成算法研究[J];统计教育;2008年06期

中国重要会议论文全文数据库 前3条

1 钮冰;陆文聪;金雨欢;;利用Bagging算法预测生物膜蛋白类型[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

2 李晓波;;集成分类对比:Bagging NB & Boosting NB[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年

3 刘艳霞;范明;;Bagging基于eEP的分类器分类稀有类[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

中国硕士学位论文全文数据库 前1条

1 吴云峰;基于多分类器的迁移bagging习题推荐研究[D];西北大学;2013年

，

本文编号：1105860