基于AdaBoost和匹配追踪的选择性集成算法
来源期刊：控制与决策2014年第2期
论文作者：姚旭 王晓丹 张玉玺 雷蕾
文章页码：208 - 214
关键词：选择性集成;AdaBoost算法;匹配追踪;差异性;
摘 要：为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能,提出一种基于AdaBoost和匹配追踪的选择性集成算法.其基本思想是将匹配追踪理论融合于AdaBoost的训练过程中,利用匹配追踪贪婪迭代的思想来最小化目标函数与基分类器线性组合之间的冗余误差,并根据冗余误差更新AdaBoost已训练基分类器的权重,进而根据权重大小选择集成分类器成员.在公共数据集上的实验结果表明,该算法能够获得较高的分类精度.
姚旭1,2，王晓丹1，张玉玺1，雷蕾1
1. 空军工程大学防空反导学院2. 93767部队
摘 要：为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能,提出一种基于AdaBoost和匹配追踪的选择性集成算法.其基本思想是将匹配追踪理论融合于AdaBoost的训练过程中,利用匹配追踪贪婪迭代的思想来最小化目标函数与基分类器线性组合之间的冗余误差,并根据冗余误差更新AdaBoost已训练基分类器的权重,进而根据权重大小选择集成分类器成员.在公共数据集上的实验结果表明,该算法能够获得较高的分类精度.
关键词：选择性集成;AdaBoost算法;匹配追踪;差异性;
