基于MAS的多分类器学习系统的实现框架研究与设计
多分类器学习系统的研究,特别是基于弱/不稳定分类器的集成学习模型及其算法研究已成了国内外机器学习领域的研究热点,但多分类器学习系统(MCLS)固有的复杂性也增加了软件系统设计的难度.基于此,本文先从概念上总结出三种MCLS逻辑结构,然后引入多agent技术,并提出了一种改进的”学习agent”结构模型,在此基础上设计出一种基于MAS的多分类器学习系统实现框架设计方案,且兼具智能,灵活与通用等特点,并为各种集成分类器系统(如boosting,bagging与stacking等)的软件实现与设计提供了一种灵活且可行的系统研究方法.
学习agent MAS 多分类器学习系统 集成学习模型 机器学习
徐良平 周曼丽 许毅平
华中科技大学电子与信息工程系,430074
国内会议
武汉
中文
424-428
2005-09-20（万方平台首次上网日期，不代表论文的发表时间）