基于准确率爬坡的动态加权集成分类算法

作者：李小娟; 韩萌; 王乐; 张妮; 程浩东

来源：计算机应用, 2021, 1-10.

• 集成学习
• 分类
• 数据流
• 权值
• 集成数目

针对传统集成分类算法中，一般将集成数目设置为固定值，可能会导致较低分类准确率这一问题，提出了准确率爬坡集成分类算法（C-ECA）。该算法不再替换相同数目的基分类器，而是基于准确率对基分类器进行更新，最终确定最佳集成数目。其次，在C-ECA算法的基础上提出了基于爬坡的动态加权集成分类算法（C-DWECA），该算法提出了一个加权函数，在具有不同特征的数据流上训练基分类器时，可以获得基分类器的最佳权值，从而提升集成分类器的性能。最后，为了能更早的检测概念漂移，提高最终精度，本文采用了快速霍夫丁漂移检测方法（FHDDM）。最后，实验表明C-DWECA算法准确率最高可达到97.44%，并且算法的平均准确率比自适应多样性的在线增强算法（ADOB）提升了40%左右，算法的准确率也优于其它对比算法。

• 单位
  北方民族大学