期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LLaMa3和Choquet积分的最优相似度选择集成学习方法
1
作者
付超
余良菊
常文军
《计算机科学》
北大核心
2025年第9期80-87,共8页
为了在多分类器集成过程中筛选和赋权存在相关关系的基分类器,提出了一种基于LLaMa3和Choquet积分的最优相似度选择集成方法(LCOS-SELM)。首先在开源大模型LLaMa3的基础上,通过少量标注样本数据进行提示词学习,以实现非结构化文本的关...
为了在多分类器集成过程中筛选和赋权存在相关关系的基分类器,提出了一种基于LLaMa3和Choquet积分的最优相似度选择集成方法(LCOS-SELM)。首先在开源大模型LLaMa3的基础上,通过少量标注样本数据进行提示词学习,以实现非结构化文本的关键特征提取。然后,通过Choquet积分融合存在相关关系的分类器预测结果,并评估其相关关系以优化分类器选择。最后,采用最优相似度策略学习分类器权重,在确保样本一致性的同时,提升集成方法的性能。将LCOS-SELM用于克罗恩病的辅助诊断,以合肥市某三甲医院的297份检查报告为基础进行实验,通过与内镜检查报告进行比对,验证了所提方法的有效性。在相同实验条件下将LCOS-SELM与单分类器和传统集成模型进行实验对比,结果显示:在相同实验条件下,与单分类器相比,LCOS-SELM在Acc,F1和AUC指标上均提升了约8%;与传统集成模型相比,LCOS-SELM在3个指标上均提升了约2%,进一步验证了其性能优势。
展开更多
关键词
选择集成学习
LLaMa3
CHOQUET积分
权重学习
相似案例学习
在线阅读
下载PDF
职称材料
题名
基于LLaMa3和Choquet积分的最优相似度选择集成学习方法
1
作者
付超
余良菊
常文军
机构
合肥工业大学管理学院
出处
《计算机科学》
北大核心
2025年第9期80-87,共8页
基金
国家自然科学基金(72171066,72471073)。
文摘
为了在多分类器集成过程中筛选和赋权存在相关关系的基分类器,提出了一种基于LLaMa3和Choquet积分的最优相似度选择集成方法(LCOS-SELM)。首先在开源大模型LLaMa3的基础上,通过少量标注样本数据进行提示词学习,以实现非结构化文本的关键特征提取。然后,通过Choquet积分融合存在相关关系的分类器预测结果,并评估其相关关系以优化分类器选择。最后,采用最优相似度策略学习分类器权重,在确保样本一致性的同时,提升集成方法的性能。将LCOS-SELM用于克罗恩病的辅助诊断,以合肥市某三甲医院的297份检查报告为基础进行实验,通过与内镜检查报告进行比对,验证了所提方法的有效性。在相同实验条件下将LCOS-SELM与单分类器和传统集成模型进行实验对比,结果显示:在相同实验条件下,与单分类器相比,LCOS-SELM在Acc,F1和AUC指标上均提升了约8%;与传统集成模型相比,LCOS-SELM在3个指标上均提升了约2%,进一步验证了其性能优势。
关键词
选择集成学习
LLaMa3
CHOQUET积分
权重学习
相似案例学习
Keywords
Selective ensemble learning
LLaMa3
Choquet integral
Weight learning
Similar case learning
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LLaMa3和Choquet积分的最优相似度选择集成学习方法
付超
余良菊
常文军
《计算机科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
