動(dòng)態(tài)集成學(xué)習(xí)算法研究
發(fā)布時(shí)間:2023-12-02 11:48
集成學(xué)習(xí)能顯著提高分類(lèi)的精度因而一直是機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。傳統(tǒng)的集成學(xué)習(xí)算法未能考慮基分類(lèi)器的局部有效性,沒(méi)有考慮到大數(shù)據(jù)集的復(fù)雜性,對(duì)參與集成的分類(lèi)器未能進(jìn)行評(píng)估選擇,結(jié)構(gòu)不夠靈活,導(dǎo)致面對(duì)大數(shù)據(jù)集時(shí)的分類(lèi)準(zhǔn)確度不高并且效率低下,因此如選擇性集成和動(dòng)態(tài)多分類(lèi)器整合技術(shù)等更有效的集成學(xué)習(xí)算法被提出。本文主要針對(duì)動(dòng)態(tài)多分類(lèi)器整合技術(shù),研究了兩種動(dòng)態(tài)集成算法:一種重點(diǎn)針對(duì)分類(lèi)器的構(gòu)建方法,在不同子集訓(xùn)練生成基分類(lèi)器,用決策樹(shù)的方式進(jìn)行整合的集成學(xué)習(xí)算法;另一種是一個(gè)動(dòng)態(tài)融合方法——基于相關(guān)度分析的動(dòng)態(tài)集成算法。本文的主要研究?jī)?nèi)容分兩部分:在第一部分,我們基于梯度優(yōu)化的思想,提出一種決策樹(shù)結(jié)構(gòu)的集成學(xué)習(xí)系統(tǒng)。采用一種動(dòng)態(tài)集成技術(shù)是將整個(gè)數(shù)據(jù)集分成若干個(gè)子集,在每個(gè)子集上訓(xùn)練基分類(lèi)器,測(cè)試時(shí),根據(jù)不同被測(cè)樣本所屬子集的不同動(dòng)態(tài)地選擇部分而非全部的基分類(lèi)器進(jìn)行集成或動(dòng)態(tài)調(diào)整基分類(lèi)器的權(quán)重,從而提高分類(lèi)準(zhǔn)確度。有很多劃分子集的方法被用于動(dòng)態(tài)集成。本文提出的集成算法使用分類(lèi)器分類(lèi)類(lèi)別為下層分類(lèi)器劃分出更小的子集,利用這些更小的子集訓(xùn)練樣本構(gòu)建具有更好局部分類(lèi)精度的基分類(lèi)器,并將多個(gè)基分類(lèi)器組成決...
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 課題的研究背景和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容
1.4 論文結(jié)構(gòu)安排
第二章 集成學(xué)習(xí)算法概述
2.1 集成學(xué)習(xí)的相關(guān)概念
2.2 集成學(xué)習(xí)算法的理論基礎(chǔ)
2.2.1 集成有效的原因
2.2.2 誤差—分歧分解
2.2.3 基分類(lèi)器多樣性
2.3 Bagging和 Boosting算法
2.3.1 Bagging算法
2.3.2 Boosting算法
2.4 選擇性集成和動(dòng)態(tài)集成
2.5 本章小結(jié)
第三章 梯度優(yōu)化決策樹(shù)的集成學(xué)習(xí)及其應(yīng)用
3.1 問(wèn)題的提出和相關(guān)研究
3.2 集成學(xué)習(xí)算法
3.2.1 多分類(lèi)集成分類(lèi)算法
3.2.2 算法設(shè)計(jì)
3.2.3 評(píng)價(jià)指標(biāo)
3.2.4 用于對(duì)比的幾種分類(lèi)算法
3.2.5 ESHC算法的時(shí)間復(fù)雜度
3.3 實(shí)驗(yàn)結(jié)果及分析
3.4 本章小結(jié)
第四章 基于相關(guān)度分析的動(dòng)態(tài)集成學(xué)習(xí)
4.1 問(wèn)題的提出和相關(guān)研究
4.2 基于相關(guān)度分析的動(dòng)態(tài)集成學(xué)習(xí)算法
4.2.1 候選分類(lèi)器排序
4.2.2 動(dòng)態(tài)集成算法
4.2.3 DEBC算法的時(shí)間復(fù)雜度
4.3 實(shí)驗(yàn)結(jié)果及分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 工作總結(jié)
5.2 工作展望
參考文獻(xiàn)
攻讀學(xué)位期間所取得的相關(guān)科研成果
致謝
本文編號(hào):3869605
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 課題的研究背景和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容
1.4 論文結(jié)構(gòu)安排
第二章 集成學(xué)習(xí)算法概述
2.1 集成學(xué)習(xí)的相關(guān)概念
2.2 集成學(xué)習(xí)算法的理論基礎(chǔ)
2.2.1 集成有效的原因
2.2.2 誤差—分歧分解
2.2.3 基分類(lèi)器多樣性
2.3 Bagging和 Boosting算法
2.3.1 Bagging算法
2.3.2 Boosting算法
2.4 選擇性集成和動(dòng)態(tài)集成
2.5 本章小結(jié)
第三章 梯度優(yōu)化決策樹(shù)的集成學(xué)習(xí)及其應(yīng)用
3.1 問(wèn)題的提出和相關(guān)研究
3.2 集成學(xué)習(xí)算法
3.2.1 多分類(lèi)集成分類(lèi)算法
3.2.2 算法設(shè)計(jì)
3.2.3 評(píng)價(jià)指標(biāo)
3.2.4 用于對(duì)比的幾種分類(lèi)算法
3.2.5 ESHC算法的時(shí)間復(fù)雜度
3.3 實(shí)驗(yàn)結(jié)果及分析
3.4 本章小結(jié)
第四章 基于相關(guān)度分析的動(dòng)態(tài)集成學(xué)習(xí)
4.1 問(wèn)題的提出和相關(guān)研究
4.2 基于相關(guān)度分析的動(dòng)態(tài)集成學(xué)習(xí)算法
4.2.1 候選分類(lèi)器排序
4.2.2 動(dòng)態(tài)集成算法
4.2.3 DEBC算法的時(shí)間復(fù)雜度
4.3 實(shí)驗(yàn)結(jié)果及分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 工作總結(jié)
5.2 工作展望
參考文獻(xiàn)
攻讀學(xué)位期間所取得的相關(guān)科研成果
致謝
本文編號(hào):3869605
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3869605.html
最近更新
教材專著