基于训练集平行分割的集成学习算法研究

摘要：

针对大规模数据分类中训练集分解导致的分类器泛化能力下降问题,提出基于训练集平行分割的集成学习算法.它采用多簇平行超平面对训练集实施多次划分,在各次划分的训练集上采用一种模块化支持向量机网络算法训练基分类器.测试时采用多数投票法对各个基分类器的输出进行集成.在3个大规模问题上的实验表明:在不增加训练时间和测试时间的条件下,集成学习在保持分类器偏置基本不变的同时有效减少了分类器的方差,从而有效降低了由于训练集分割导致的分类器泛化能力下降.

关键词： 并行处理系统 学习系统 集成学习 数据分类

作者: 文益民 王耀南

作者单位: 湖南大学,电气与信息工程学院,湖南,长沙,410082;湖南工业职业技术学院,信息工程系,湖南,长沙,410208 湖南大学,电气与信息工程学院,湖南,长沙,410082

会议类型: 国内会议

会议名称: 第二届全国智能信息处理学术会议

会议地点: 徐州

会议语种:中文

页码: 908-911

在线出版日期: 2009-05-01（万方平台首次上网日期，不代表论文的发表时间）