【摘要】：分類問題,作為人類的基本社會活動,在人們的日常生活和任務學習中,扮演著重要角色。隨著數(shù)據(jù)挖掘和模式識別技術的快速發(fā)展,利用機器學習和模式識別技術對數(shù)據(jù)進行分析處理,尋找數(shù)據(jù)之間內(nèi)在的特殊聯(lián)系,對解決實際應用中的分類問題具有重要的指導意義和應用價值,由此推動了數(shù)據(jù)分類器技術的快速發(fā)展。分類器技術正處于多分類器集成階段,其是由單一分類器時期過渡而來。1997年,國際機器學習領域的權威T.GDietterich提出了,集成學習、符號學習、統(tǒng)計學習、強化學習共同組成了機器學習的四大研究方向。其中,集成學習被列為四大研究方向之首,并被認定為機器學習范式的一種新形式。但是時至今日,對于如何訓練出精度更高、差異性更大的基分類器,以及如何進一步提升集成模型的泛化性能,來實現(xiàn)更有效的集成學習,仍是集成學習領域關注卻未解決的問題之�；谏鲜霰尘�,本文圍繞基于差異性度量的分類器集成優(yōu)化方法與應用開展了相關研究,主要研究工作和成果包括:(1)提出了一種基于距離熵的分類器差異性度量方法。該方法利用將距離和信息熵進行結合的思想,用基分類器在不同評價指標上相對于基準數(shù)據(jù)的距離熵來測度基分類器之間基于度量指標的整體差異性。(2)提出了一種基于旋轉森林變換的混合異構分類器選擇性集成方法。該方法利用旋轉森林技術模型構建基于特征劃分的訓練子集并構造出多個異構分類器,利用距離熵方法進行基分類器差異性度量,以基分類器自身分類精度和彼此差異性作為選擇性集成條件,通過計算基分類器分類結果的置信度確定數(shù)據(jù)融合的權重。(3)開展了分類器集成系統(tǒng)在基于心率變化探測人體行動中的應用研究。
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP181

【參考文獻】

相關期刊論文 前10條

1 胡峰;程欣怡;;基于粗糙集的多分類器集成學習算法[J];計算機工程與設計;2016年06期

2 邵良杉;馬寒;;基于旋轉森林的分類器集成算法研究[J];計算機工程與應用;2015年23期

3 毛莎莎;熊霖;焦李成;張爽;陳博;;利用旋轉森林變換的異構多分類器集成算法[J];西安電子科技大學學報;2014年05期

4 韓敏;劉賁;;一種改進的旋轉森林分類算法[J];電子與信息學報;2013年12期

5 時建中;程龍生;�？±�;;基于RS-Bag分類器集成技術的上市公司財務危機預測[J];數(shù)理統(tǒng)計與管理;2013年05期

6 張偉松;高智英;;快速多分類器集成算法研究[J];計算機工程;2012年02期

7 張春霞;張講社;;選擇性集成學習算法綜述[J];計算機學報;2011年08期

8 王懷亮;;交叉驗證在數(shù)據(jù)建模模型選擇中的應用[J];商業(yè)經(jīng)濟;2011年10期

9 王成;劉亞峰;王新成;閆桂榮;;分類器的分類性能評價指標[J];電子設計工程;2011年08期

10 胡步發(fā);陳炳興;黃銀成;;基于表情子空間多分類器集成的非特定人人臉表情識別[J];計算機應用;2011年03期

，

本文編號：2519207