典型文献
基于准确率爬坡的动态加权集成分类算法
文献摘要：
传统集成分类算法中,一般将集成数目设置为固定值,这可能会导致较低分类准确率.针对这一问题,提出了准确率爬坡集成分类算法(C-ECA).首先,该算法不再用一些基分类器去替换相同数量的表现最差的基分类器,而是基于准确率对基分类器进行更新,然后确定最佳集成数目.其次,在C-ECA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,其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,为了能更早地检测到概念漂移并提高最终精度,采用了快速霍夫丁漂移检测方法(FHDDM).实验结果表明C-DWECA的准确率最高可达到97.44％,并且该算法的平均准确率比自适应多样性的在线增强(ADOB)算法提升了40％左右,也优于杠杆装袋(LevBag)、自适应随机森林(ARF)等其他对比算法.
文献关键词：
集成学习;分类;数据流;动态加权;集成数目;准确率;爬坡
中图分类号：
作者姓名：
李小娟;韩萌;王乐;张妮;程浩东
作者机构：
北方民族大学计算机科学与工程学院,银川750021
文献出处：
引用格式：
[1]李小娟;韩萌;王乐;张妮;程浩东-.基于准确率爬坡的动态加权集成分类算法)[J].计算机应用,2022(01):123-131
A类：
集成数目,DWECA,FHDDM,ADOB,LevBag
B类：
爬坡,动态加权,加权集成,分类算法,固定值,分类准确率,基分类器,换相,加权函数,数据流,流上,权值,集成分类器,更早,概念漂移,漂移检测,平均准确率,杠杆,装袋,ARF,对比算法,集成学习
AB值：
0.251559
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。
