搜索结果: 1-9 共查到“计算机科学技术 Bagging”相关记录9条 . 查询时间(0.043 秒)
一种基于Bagging和混淆矩阵的自适应选择性集成
选择性集成 Bagging算法 混淆矩阵 偏最小二乘
2017/1/14
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Bagging和混淆矩阵的选择性集成方法.基本思想是通过扰动训练集和特征空间生成基分类器，根据每一个基分类器的混淆矩阵构造一个基分类器间相关性的度量矩阵；然后基于相关性度量矩阵对基分类器集合进行子集划分，在每个划分中选择一个基分类器参与集成；最后用多数投票法融合所选基分类器的决策结果，并通过仿真实验验证该方法的有效性.
谱聚类算法中用亲和矩阵特征值最大的k个特征向量并不总是能有效地发现数据集的结构。为了选取较好特征向量,提出了一种特征向量的Bagging选取算法。以成对约束计分方法为评价标准,对特征向量进行评价并选出较好的特征向量,将多次选择的特征向量进行Bagging集成(Bootstrap aggregating),得出k个特征向量的组合。该算法能够较好地选取出特征向量,根据UCI实验数据集的测试,证实该算法...
Bagging算法在中文文本分类中的应用
Attribute Bagging Bagging 中文文本分类
2009/7/24
Bagging算法是目前一种流行的集成学习算法，采用一种改进的Bagging算法Attribute Bagging作为分类算法，通过属性重取样获取多个训练集，以kNN为弱分类器设计一种中文文本分类器。实验结果表明Attribute Bagging算法较Bagging算法有更好的分类精度。
基于Bagging的XML文档集成聚类研究
可扩展标记语言（XML） 文档聚类 Bagging算法
2009/7/21
将集成学习方法应用到XML文档聚类中来改进传统聚类算法的不足。提出一种标签与路径相结合的XML文档向量模型，基于这个模型，首先对原始文档集进行多次抽样，在新文档集上进行K均值聚类，然后对得到的聚类中心集合进行层次聚类。在人工数据集和真实数据集上的实验表明，该算法在召回率和精确率上优于K均值算法，并且增强了其鲁棒性。
基于BP神经网络和Bagging算法的入侵检测
入侵检测 前溃神经网络 Bagging算法
2009/7/21
提出基于Bagging算法集成BP神经网络的入侵检测方法。采用BP神经网络为分类器，以用户的网络连接行为为特征进行检测，为进一步提高BP神经网络的分类性能，采用Bagging算法对BP神经网络分类器进行加权投票。实验表明，提出的方法具有良好的检测性能。
基于分类器性能评价的Bagging文本分类算法
文本分类 分类器性能 评价模型 Bagging算法
2009/4/15
提出一个文本分类器性能评价模型，对文本分类结果的可信度进行了估计，给出计算可信度的公式。将每一个子分类器的可信度指标用于Bagging集成学习算法，得到了改进的基于子分类器性能评价的Bagging算法(PBagging)。应用支持向量机作为子分类器基本模型，对日本共同社大样本新闻集进行分类。实验表明，与Bagging算法相比，PBagging算法分类准确率有了明显提高。
基于多特征融合和Bagging神经网络的人耳识别
人耳识别 Zernike矩 非负矩阵分解法
2009/2/6
提出了一种多特征信息融合的人耳识别方法。应用Zernike矩方法和非负矩阵分解法(NMF)分别提取出具有旋转不变性的人耳几何特征和人耳子空间投影系数特征，将这两种具有一定互补性的特征串行融合，得到一个分类能力更强的特征。在此基础上，采用神经网络进行人耳识别，为了提高了神经网络的分类准确率和泛化能力，采用Bagging方法构造了Bagging神经网络。给出了一些对比实验，结果验证了方法具有较高识别率...
基于Bagging的选择性聚类集成
2007/11/2
Tang W, Zhou ZH. Bagging-Based selective clusterer ensemble.
Journal of Software, 2005,16(4):496-502.http://www.jos.org.cn/1000-9825/16/496.htm摘要
使用集成学习技术来提高聚类性能.由于聚类使用的训练样本缺乏期望输出,与监督学习下的集成相比,在对个体学...
Bagging Based Efficient Kernel Fisher Discriminant Analysis for Face Recognition
Discriminant Analysis Face Recognition
2010/12/16
Kernel Fisher Discriminant Analysis (KFDA) has achieved great success in pattern recognition recently.However, the training process of KFDA is too time consuming (even intractable) for a large trainin...