统计系综学习中基于组加权策略的野点抑制
机器学习中统计系综方法”1，2,3”已被证明是一种改善系统推广性能的好方法，然而，在学习数据中存在大量野点的情况下，传统方法的性能可能出现急剧下降的趋势。这是因为传统方法的单一样本选择性难以处理大量野点这类困难样本。本文提出了一种基于组加权的数据选择策略，从而在数据选择时，样本权值除由其自身决定外，还I刊时取决于其所在的组，故可较好地解决野点问题，提高系统的学习性能。所提出的方法基于KING标准数据库在说话再人识别问题上进行了仿真，得到了较好的结果。
机器学习 统计系综学习 野点抑制 数据选择 组加权
罗定生 吴玺宏 迟惠生
北京大学信息科学技术学院智能科学系 视觉与听觉信息处理国家重点实验室 北京 100871
国内会议
广州
中文
401-406
2003-09-21（万方平台首次上网日期，不代表论文的发表时间）