典型文献
基于Stacking集成学习的信源数估计方法
文献摘要：
针对小快拍数下的信源数估计,文中提出了一种基于Stacking集成学习的信源数估计模型,该模型整合XGBoost、LightGBM及简单全连接神经网络作为三个并行的初级学习器,并将Logistic Re-gression模型作为次级学习器,最终得到Stacking集成学习的信源数估计模型XLN-L-Stacking.实验结果表明,采用这种基于Stacking集成学习的方法来构建的XLN-L-Stacking模型,会明显提高小快拍数条件下的信源数估计精度.相对于单一的XGBoost、LightGBM和简单神经网络模型有较大的提升,并且优于其他方式的集成算法.
文献关键词：
小快拍数;信源数估计;集成学习;Stacking算法
中图分类号：
作者姓名：
施添华;何小平;胡耀敏
作者机构：
广东工业大学信息工程学院,广州510006
文献出处：
引用格式：
[1]施添华;何小平;胡耀敏-.基于Stacking集成学习的信源数估计方法)[J].信息技术,2022(01):26-31
A类：
XLN
B类：
Stacking,集成学习,信源数估计,估计方法,小快拍数,模型整合,XGBoost,LightGBM,全连接神经网络,初级学习器,Re,gression,次级学习器,高小,数条,估计精度,集成算法
AB值：
0.250922
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
