期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于遗传算法的多分类器融合模型在信用评估中的应用 被引量:7
1
作者 叶强 张洁 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2006年第9期1504-1505,1536,共3页
为探讨基于遗传算法的多分类器融合模型,并基于多分类器融合技术,建立新的客户信用分类模型,该模型通过使用分类融合器,将多个单分类器得到的客户信用评估结果进行合并,从而综合不同分类器的局部优势,提高分类性能.采用线性分类融合器,... 为探讨基于遗传算法的多分类器融合模型,并基于多分类器融合技术,建立新的客户信用分类模型,该模型通过使用分类融合器,将多个单分类器得到的客户信用评估结果进行合并,从而综合不同分类器的局部优势,提高分类性能.采用线性分类融合器,并通过遗传算法对分类融合器进行优化.实验表明,该方法在客户信用评估中的效果明显优于传统的运用单个分类器的方法. 展开更多
关键词 多分类器融合模型 遗传算法 信用评估
在线阅读 下载PDF
基于增量式学习的数据流实时分类模型 被引量:5
2
作者 孙娜 郭延锋 《计算机工程与设计》 CSCD 北大核心 2012年第11期4225-4229,共5页
传统数据挖掘方法,主要针对静态数据进行挖掘,而对数据流挖掘往往失效。为了解决数据流的数据挖掘问题,提出一种通过改变传统支持向量机增量式学习方法,利用轮转式结构将多分类器按照数据流时间顺序进行组合,并且通过对分类器的优化,可... 传统数据挖掘方法,主要针对静态数据进行挖掘,而对数据流挖掘往往失效。为了解决数据流的数据挖掘问题,提出一种通过改变传统支持向量机增量式学习方法,利用轮转式结构将多分类器按照数据流时间顺序进行组合,并且通过对分类器的优化,可以提高模型对数据流分类的准确率并减少训练时间消耗。实验结果表明,该模型在保证学习精度和推广能力的同时,提高了训练速度,适合于数据流在线分类和在线学的问题。 展开更多
关键词 增量式学习 支持向量机 网络异常检测 概念漂移 多分类器模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部