典型文献
基于特征加权的分类器动态选择与循环集成算法
文献摘要：
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.
文献关键词：
动态选择;特征加权;K-近邻算法;循环集成
中图分类号：
作者姓名：
王先浩;曾宇凡;唐钰;唐加山
作者机构：
南京邮电大学通信与信息工程学院,江苏南京210003;南京邮电大学理学院,江苏南京210023
文献出处：
引用格式：
[1]王先浩;曾宇凡;唐钰;唐加山-.基于特征加权的分类器动态选择与循环集成算法)[J].长江信息通信,2022(08):35-38,41
A类：
循环集成,选择性循环
B类：
特征加权,动态选择,集成算法,选择性集成,常利,基分类器,权近,集成方法,法利,特征权重,近邻算法,预测准确率,误判,容忍度,分类准确率,UCI,新算法,算法分类
AB值：
0.269472
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。
