本文關(guān)鍵詞：分類問題的集成理論與方法

  更多相關(guān)文章： 集成學(xué)習(xí) 分類 選擇性集成 差異性度量 加權(quán)kappa增益

【摘要】：選擇性集成技術(shù)既能提高泛化能力,又能節(jié)約存儲(chǔ)空間,提高預(yù)測速度。從2003年選擇性集成技術(shù)的提出至今,已經(jīng)有了一些較為基礎(chǔ)的研究成果和實(shí)際應(yīng)用。本工作跟蹤國際國內(nèi)的研究前沿,針對(duì)有序分類問題進(jìn)行了深入的探究和實(shí)驗(yàn),取得的成果如下：(1)討論了目前國際國內(nèi)流行經(jīng)典的選擇性集成算法,在張春霞等人綜述的基礎(chǔ)上對(duì)選擇性方法進(jìn)行更為全面細(xì)致的研究,分析比較方法的優(yōu)缺點(diǎn)與使用范圍,探討選擇性集成未來可能的發(fā)展方向。并對(duì)常用的kappa差異性度量指標(biāo)與泛化能力的關(guān)系進(jìn)行理論上的分析與觀察,為設(shè)計(jì)出更合理的選擇性集成方法提供理論依據(jù)。(2)除名義屬性(例如男,女)外,解釋屬性和響應(yīng)屬性還可能存在某種偏好序關(guān)系,即屬性的取值存在序的意義,例如好,中,差。當(dāng)解釋屬性和響應(yīng)屬性之間存在單調(diào)關(guān)系,解釋屬性序值高的實(shí)例必須分到序值高的響應(yīng)屬性中時(shí),解決這類分類問題的方法稱為有序分類,也稱為單調(diào)性分類。決策樹,神經(jīng)網(wǎng)絡(luò),感知器等機(jī)器學(xué)習(xí)經(jīng)典算法都被研究者用來有序分類,有序分類在客戶評(píng)估,競標(biāo)決策,醫(yī)藥療效等許多領(lǐng)域都有廣泛應(yīng)用。針對(duì)有序分類問題的集成算法也逐漸增多,但是并沒有充分關(guān)注這類問題的選擇性集成方法。本文針對(duì)有序分類的集成問題,提出一種基于加權(quán)kappa增益的選擇性集成算法,在模擬實(shí)驗(yàn)和真實(shí)問題上該算法都取得了優(yōu)異的效果。最后概括了本文的工作,并指出進(jìn)一步亟待解決以及以后值得研究的方向。
【關(guān)鍵詞】：集成學(xué)習(xí) 分類 選擇性集成 差異性度量 加權(quán)kappa增益
【學(xué)位授予單位】：山西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：C934
【目錄】：

• 中文摘要8-9
• ABSTRACT9-11
• 第一章 緒論11-20
• 1.1 集成學(xué)習(xí)歷史與現(xiàn)狀11-14
• 1.2 集成學(xué)習(xí)概念與主要方法14-18
• 1.2.1 集成學(xué)習(xí)的定義15
• 1.2.2 兩種典型的集成方法15-18
• 1.2.2.1 Bagging16
• 1.2.2.2 Adaboost16-18
• 1.3 本文主要結(jié)果概述18-20
• 第二章 選擇性集成20-28
• 2.1 選擇性集成的目的與意義20
• 2.2 選擇性集成的主要方法20-28
• 2.2.1 基于排序的方法21-22
• 2.2.2 基于聚類的方法22-23
• 2.2.3 基于優(yōu)化的方法23-24
• 2.2.4 其他方法24-28
• 第三章 kappa差異性度量及其分析28-35
• 3.1 kappa差異性度量28-30
• 3.2 kappa-error曲線及其分析30-35
• 第四章 基于加權(quán)kappa的選擇性集成35-44
• 4.1 有序分類問題35
• 4.2 加權(quán)kappaX椧，
  
  本文編號(hào)：1131242
  suoshi