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
基于混合多样性生成与修剪的集成单类分类算法
被引量：
9
1
作者
刘家辰
苗启广
+2 位作者
曹莹
宋建锋
权义宁
《电子与信息学报》
EI
CSCD
北大核心
2015年第2期386-393,共8页
针对传统集成学习方法直接应用于单类分类器效果不理想的问题,该文首先证明了集成学习方法能够提升单类分类器的性能,同时证明了若基分类器集不经选择会导致集成后性能下降;接着指出了经典集成方法直接应用于单类分类器集成时存在基分...
针对传统集成学习方法直接应用于单类分类器效果不理想的问题,该文首先证明了集成学习方法能够提升单类分类器的性能,同时证明了若基分类器集不经选择会导致集成后性能下降;接着指出了经典集成方法直接应用于单类分类器集成时存在基分类器多样性严重不足的问题,并提出了一种能够提高多样性的基单类分类器混合生成策略;最后从集成损失构成的角度拆分集成单类分类器的损失函数,针对性地构造了集成单类分类器修剪策略并提出一种基于混合多样性生成和修剪的单类分类器集成算法,简称为PHD-EOC。在UCI标准数据集和恶意程序行为检测数据集上的实验结果表明,PHD-EOC算法兼顾多样性与单类分类性能,在各种单类分类器评价指标上均较经典集成学习方法有更好的表现,并降低了决策阶段的时间复杂度。
展开更多
关键词
机器学习
单类
分类
集成单类
分类
分类器多样性
集成修剪
集成学习
在线阅读
下载PDF
职称材料
题名
基于混合多样性生成与修剪的集成单类分类算法
被引量：
9
1
作者
刘家辰
苗启广
曹莹
宋建锋
权义宁
机构
西安电子科技大学计算机学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2015年第2期386-393,共8页
基金
国家自然科学基金(61272280
41271447
+7 种基金
61272195)
教育部新世纪优秀人才支持计划(NCET-12-0919)
中央高校基本科研业务费专项资金(K5051203020
K5051303016
K5051303018
BDY081422
K50513100006)
西安市科技局项目(CXY1341(6))资助课题
文摘
针对传统集成学习方法直接应用于单类分类器效果不理想的问题,该文首先证明了集成学习方法能够提升单类分类器的性能,同时证明了若基分类器集不经选择会导致集成后性能下降;接着指出了经典集成方法直接应用于单类分类器集成时存在基分类器多样性严重不足的问题,并提出了一种能够提高多样性的基单类分类器混合生成策略;最后从集成损失构成的角度拆分集成单类分类器的损失函数,针对性地构造了集成单类分类器修剪策略并提出一种基于混合多样性生成和修剪的单类分类器集成算法,简称为PHD-EOC。在UCI标准数据集和恶意程序行为检测数据集上的实验结果表明,PHD-EOC算法兼顾多样性与单类分类性能,在各种单类分类器评价指标上均较经典集成学习方法有更好的表现,并降低了决策阶段的时间复杂度。
关键词
机器学习
单类
分类
集成单类
分类
分类器多样性
集成修剪
集成学习
Keywords
Machine learning
One-class classifier
Ensemble One-class Classifier（EOC）
Classifier diversity
Ensemble pruning
Ensemble learning
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
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
基于混合多样性生成与修剪的集成单类分类算法
刘家辰
苗启广
曹莹
宋建锋
权义宁
《电子与信息学报》
EI
CSCD
北大核心
2015
9
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
