| 基于属性约简的自采样集成分类方法 |
| |
| 引用本文： | 李朋飞,于洪.基于属性约简的自采样集成分类方法[J].数据采集与处理,2021,36(3):498-508. |
| |
| 作者姓名： | 李朋飞 于洪 |
| |
| 作者单位： | 1.重庆邮电大学计算智能重庆市重点实验室，重庆 400065;2.重庆邮电大学计算机科学与技术学院，重庆 400065 |
| |
| 基金项目： | 国家自然科学基金（61876027, 61751312, 61533020）资助项目。 |
| |
| 摘 要： | 现有的集成技术大多使用经过训练的各个分类器来组成集成系统，集成系统的庞大导致产生额外的内存开销和计算时间。为了提高集成分类模型的泛化能力和效率，在粗糙集属性约简的研究基础上，提出了一种基于属性约简的自采样集成分类方法。该方法将蚁群优化和属性约简相结合的策略应用在原始特征集上，进而得到多个最优的特征约简子空间，以任意一个约简的特征子集作为集成分类的特征输入，能在一定程度上减少分类器的内存消耗和计算时间；然后结合以样本的学习结果和学习速度为约束条件的自采样方法，迭代训练每个基分类器。最后实验结果验证了本文方法的有效性。
|
| 关 键 词： | 集成学习 属性约简 蚁群优化 粗糙集 自采样 |
| 收稿时间： | 2020/5/23 0:00:00 |
| 修稿时间： | 2020/11/1 0:00:00 |
Self-sampling Ensemble Classification Method Based on Attribute Reduction |
| |
| LI Pengfei,YU Hong.Self-sampling Ensemble Classification Method Based on Attribute Reduction[J].Journal of Data Acquisition & Processing,2021,36(3):498-508. |
| |
| Authors: | LI Pengfei YU Hong |
| |
| Affiliation: | 1.Chongqing Key Laboratory of Computational Intelligence, Chongqing University of Posts and Telecommunications, Chongqing 400065, China;2.School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China |
| |
| Abstract: | |
| |
| Keywords: | ensemble learning attribute reduction ant colony optimization rough set self-sampling |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
