基于成对差异性度量的选择性集成方法

作     者：杨长盛 陶亮 曹振田 汪世义 YANG Chang-Sheng;TAO Liang;CAO Zhen-Tian;WANG Shi-Yi

作者机构：安徽大学计算智能与信号处理教育部重点实验室合肥230039 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2010年第23卷第4期

页      面：565-571页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.60572128) 安徽省人才发展基金(No.2005Z029)资助项目 

主　　题：集成学习 选择性集成 差异性 成对差异性度量 并行计算 

摘      要：有效地产生泛化能力强、差异大的个体学习器,是集成学习算法的关键.为了提高学习器的差异性和精度,文中提出一种基于成对差异性度量的选择性集成方法.同时研究一种改进方法,进一步提高方法的运算速度,且支持并行计算.最后通过使用BP神经网络作为基学习器,在UCI数据集上进行实验,并与Bagging、基于遗传算法的选择性集成(GASEN)算法进行比较.实验结果表明,该改进算法在性能上与GASEN算法相近的前提下,训练速度得到大幅提高.