基于屬性泛化的動態(tài)集成學習算法研究.pdf

1、集成學習是近年機器學習領域的研究熱點之一。集成學習的基本思想是，首先通過多個基分類器對問題進行分類，然后利用某種方式對分類結果進行綜合，以得到更準確的結果。其中，基分類器間是相互獨立的。動態(tài)集成技術則是通過動態(tài)地選擇部分而非全部的分類器參與集成，或者動態(tài)調整參與集成的基分類器的權重，以獲得更高的分類準確率，是進一步提高集成系統(tǒng)分類性能的重要手段。
　　自然數據中廣泛存在層次特征。本文主要研究如何基于數據的層次性特征，來構造高性能的

2、動態(tài)集成分類器。
　　本文的主要研究工作如下：
　　(1)針對具有層次性特征的數據集，提出了基于泛化屬性值劃分方法的集成學習算法GAVPEL。該方法利用屬性泛化技術，根據數據的層次結構，將訓練集劃分成不同層次和粒度的子訓練集，并在每個子訓練集上生成基分類器；在分類時，根據其條件屬性值動態(tài)地選擇相關的基分類器參與集成，并利用投票方法來綜合各基分類器的分類結果。實驗表明，該算法比傳統(tǒng)的Bagging和AdaBoost算法更加有效