基于Boosting的迭代加权集成分类算法

作者：杜诗语; 韩萌^*; 申明尧; 张春砚; 孙蕊

来源：计算机应用研究, 2021, 38(04): 1038-1043.

DOI：10.19734/j.issn.1001-3695.2020.04.0101

• 数据流
• 分类算法
• 集成学习
• Boosting

在集成分类中,如何对基分类器实现动态更新和为基分类器分配合适的权值一直是研究的重点。针对以上两点,提出了BIE和BIWE算法。BIE算法通过最新训练的基分类器的准确率确定集成是否需要替换性能较差的基分类器及需替换的个数,实现对集成分类器的动态迭代更新;BIWE算法在此基础上提出了一个加权函数,对具有不同参数特征的数据流可以有针对性地获得基分类器的最佳权值,从而提升集成分类器的整体性能。实验结果表明,BIE算法相较对比算法在准确率持平或略高的情况下,可以减少生成树的叶子数、节点数和树的深度;BIWE算法相较对比算法不仅准确率较高,而且能大幅度减少生成树的规模。

• 单位
  北方民族大学