基于聚类优化覆盖的集成学习方法

作者：李文娟; 胡春生

来源：计算机技术与发展, 2010, (11): 51-54+58.

• 聚类
• 覆盖
• 相似度 clustering
• covering
• similarity

传统的覆盖方法形成的覆盖都是"优簇",但是无法形成非球状的覆盖;而聚类求覆盖的方法就可以得到非球状覆盖,但是由于很难事先找到合适的相似度,所以无法求得全部"优簇"。文中把两者的优点结合起来并加以推广,与SVM,NaiveBayes,交叉覆盖等学习方法相结合,形成基于聚类优化覆盖的集成学习方法,这样求得的覆盖既可以是非球状覆盖,又是全"优簇",优化了覆盖领域。实验证明该方法产生的覆盖不仅数量上较少,并且覆盖的准确率较高,具有一定的抗噪声能力。

• 单位
  中国人民解放军陆军炮兵防空兵学院