基于聚类方法的基分类器选择策略研究
提出一种将基于聚类集成修剪同动态选择与循环集成结合的方法。首先，利用基于K-均值聚类算法的修剪策略对全部的候选分类器进行筛选，形成新的候选分类器集合。然后，改进动态选择与循环集成方法，将其与集成后序选择结合对处理过的候选分类器集合进行集成学习。此外，通过问题转化法将提出的模型应用于多标记分类。在3组UCI数据集、1组个人借贷信用的不平衡二分类数据集以及3组多标记数据集进行测试，并与多种先进方法进行对比实验，说明了该方法在二分类问题上的有效性与多标记问题上的可行性。
基分类器 选择性集成学习 数据挖掘 聚类算法
Qiu Cheng 邱诚 Ni Ziwei 倪子伟 Chen Ke 陈珂 Su Xuan 苏旋 Zou Quan 邹权
School of Information Science and Technology, Xiamen University, Xiamen 361005 厦门大学信息科学与技术学院 厦门 361005 Department of Computer Science and Technology, Guangdong University of Petrochemical Technology, Mao 广东石油化工学院计算机科学与技术系 广东茂名 525000 Channal Trans Network(Shanghai)Co, Shanghai 20000 仟首网络科技有限公司 上海 200000
国内会议
合肥
中文
190-196
2012-10-01（万方平台首次上网日期，不代表论文的发表时间）