一種基于AdaBoost的組合分類算法研究.pdf

1、分類是數(shù)據(jù)挖掘研究范疇中為了解決分類問(wèn)題而提出的方法，同時(shí)它也是一種重要的分析數(shù)據(jù)的技術(shù)。作為一種有效的科學(xué)研究工具，組合分類器在醫(yī)療診斷、手寫體識(shí)別、人臉識(shí)別、推薦系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用。
　　本文首先討論分析了數(shù)據(jù)挖掘理論中分類技術(shù)的基本理論及其幾個(gè)常用的分類算法。研究分析了集成模型優(yōu)于單模型的原因，詳細(xì)論述了集成學(xué)習(xí)的基本原理與算法，從理論分析和實(shí)驗(yàn)驗(yàn)證兩個(gè)方面對(duì)Bagging和Boosting算法進(jìn)行了對(duì)比研究。

2、　　在已有研究的基礎(chǔ)上，利用集體智慧和集成學(xué)習(xí)理論思想，從差異性的角度對(duì)AdaBoost算法進(jìn)行了分析改進(jìn)，提出了Ensemble-AdaBoost算法。該算法把不同類型的分類算法作為基分類器，應(yīng)用到多個(gè)AdaBoost算法框架中，形成多個(gè)基于AdaBoost算法的“基分類器”。最終，采用簡(jiǎn)單多數(shù)投票法的原則把“基分類器”的分類結(jié)果進(jìn)行組合，作為Ensemble-AdaBoost算法的分類結(jié)果。通過(guò)加大基分類器間的差異程度，使Ensem