| 基于改进最大相关最小冗余的选择性集成分类器 |
| |
| 引用本文： | 吴倩楠,颜学峰.基于改进最大相关最小冗余的选择性集成分类器[J].高技术通讯,2022,32(1):40-49. |
| |
| 作者姓名： | 吴倩楠 颜学峰 |
| |
| 作者单位： | 华东理工大学 能源化工过程智能制造教育部重点实验室 上海200237 |
| |
| 基金项目： | 国家自然科学基金(21878081)；;国家重点研发计划(2020YFA0908300)资助项目； |
| |
| 摘 要： | 在构建选择性集成分类器时,寻找分类准确率高且差异性大的最优分类器子集至关重要。为平衡集成子集中基分类器的准确性和多样性,提出了一种基于改进最大相关最小冗余的选择性集成分类器(Im RMRSEC)。首先,将基分类器对验证集的预测结果视为一个个“特征”,把特征选择的思想扩展到集成分类器的约简问题中,基于最大相关最小冗余准则寻找基分类器子集。其次,引入Gram-Schmidt正交化求取“特征”的等价向量,替代原向量输入最大相关最小冗余算法中,并基于距离相关系数(DCC)衡量相关性。同时,利用序列浮动前向选择方法搜索最优子集。实验结果充分展示了所构建分类器卓越的设计性能。
|
| 关 键 词： | 选择性集成 最大相关最小冗余(mRMR) 特征选择 正交化 距离相关系数(DCC) |
Selective ensemble classifier based on improved maximum relevance and minimum redundancy |
| |
| WU Qiannan,YAN Xuefeng.Selective ensemble classifier based on improved maximum relevance and minimum redundancy[J].High Technology Letters,2022,32(1):40-49. |
| |
| Authors: | WU Qiannan YAN Xuefeng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
