基于屬性泛化的動(dòng)態(tài)集成學(xué)習(xí)算法研究.pdf

1、集成學(xué)習(xí)是近年機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一。集成學(xué)習(xí)的基本思想是，首先通過(guò)多個(gè)基分類器對(duì)問(wèn)題進(jìn)行分類，然后利用某種方式對(duì)分類結(jié)果進(jìn)行綜合，以得到更準(zhǔn)確的結(jié)果。其中，基分類器間是相互獨(dú)立的。動(dòng)態(tài)集成技術(shù)則是通過(guò)動(dòng)態(tài)地選擇部分而非全部的分類器參與集成，或者動(dòng)態(tài)調(diào)整參與集成的基分類器的權(quán)重，以獲得更高的分類準(zhǔn)確率，是進(jìn)一步提高集成系統(tǒng)分類性能的重要手段。
　　自然數(shù)據(jù)中廣泛存在層次特征。本文主要研究如何基于數(shù)據(jù)的層次性特征，來(lái)構(gòu)造高性能的

2、動(dòng)態(tài)集成分類器。
　　本文的主要研究工作如下：
　　(1)針對(duì)具有層次性特征的數(shù)據(jù)集，提出了基于泛化屬性值劃分方法的集成學(xué)習(xí)算法GAVPEL。該方法利用屬性泛化技術(shù)，根據(jù)數(shù)據(jù)的層次結(jié)構(gòu)，將訓(xùn)練集劃分成不同層次和粒度的子訓(xùn)練集，并在每個(gè)子訓(xùn)練集上生成基分類器；在分類時(shí)，根據(jù)其條件屬性值動(dòng)態(tài)地選擇相關(guān)的基分類器參與集成，并利用投票方法來(lái)綜合各基分類器的分類結(jié)果。實(shí)驗(yàn)表明，該算法比傳統(tǒng)的Bagging和AdaBoost算法更加有效