科研之友
微信
新浪微博
Facebook
分享链接
摘要
分类器动态选择性集成算法的研究通常利用局部近邻样本来评估基分类器的性能，从而导致由该方法建立的分类器模型预测精度不够高的不足，文章提出一种基于特征加权近邻样本评估的动态选择性循环集成方法。新方法利用支持向量机确定特征权重，通过加权的K近邻算法寻找近邻样本。计算多个基分类器对近邻样本的预测准确率，根据设定的误判容忍度阈值，动态筛选分类准确率较高及多样性较大的基分类器，实现系统的循环集成。采用UCI的四种数据集进行试验。结果表明，相比于普通的动态选择性集成算法，新算法分类准确率更高。
-
单位南京邮电大学; 通信与信息工程学院
