基于分類器多樣性的集成分類器構(gòu)建算法及其在腦電信號分類應(yīng)用中的研究.pdf_第1頁
已閱讀1頁，還剩85頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、集成學習是當前機器學習研究的重點領(lǐng)域之一，集成學習的核心思想就是通過組合多個基分類器一起解決同一個問題。集成學習首先在訓練數(shù)據(jù)集上生成一系列基分類器，然后再通過各種方式將這些基分類器組合起來。集成學習對比單一分類器分類來說，對樣本最終的決策并不是由某一個分類器決定的，而是由分類器集共同決定的，所以集成學習能獲得比單一分類器更好的準確率和泛化能力。由于分類準確率是集成學習一個很重要的指標，而集成分類器中基分類器之間的多樣性與準確率有存在著

2、一定關(guān)系，所以研究分類器之間的多樣性對提高集成學習的準確率有著重要的作用。再由于基分類器間存在冗余性等特點，所以如何對分類器集進行精簡也是集成學習研究的重點。
　　基于上面的問題，本文提出了一種新的多樣性評價方法和一種新的子集評價方法，并結(jié)合和聲搜索算法以及分類器集成減少框架(CER)運用在分類器集成選擇過程中。最后通過實驗結(jié)論表明新提出的子集評價方法，不僅可以同時滿足最終選出的子分類器集個數(shù)比較少和分類準確率高的要求，而且程序運

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論