-
题名一种自适应的多类Boosting分类算法
被引量：5
- 1
-
-
作者
王世勋
潘鹏
陈灯
卢炎生
-
机构
河南师范大学计算机与信息工程学院
华中科技大学计算机科学与技术学院
武汉工程大学智能机器人湖北省重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2017年第7期185-190,共6页
-
基金
河南省自然科学基金(162300410177)
河南省高等学校重点科研项目(17A520040)
河南师范大学博士科研启动基金(qd15134)资助
-
文摘
许多实际问题涉及到多分类技术,该技术能有效地缩小用户与计算机之间的理解差异。在传统的多类Boosting方法中,多类损耗函数未必具有猜测背离性,并且多类弱学习器的结合被限制为线性的加权和。为了获得高精度的最终分类器,多类损耗函数应具有多类边缘极大化、贝叶斯一致性与猜测背离性。此外,弱学习器的缺点可能会限制线性分类器的性能,但它们的非线性结合可以提供较强的判别力。根据这两个观点,设计了一个自适应的多类Boosting分类器,即SOHPBoost算法。在每次迭代中,SOHPBoost算法能够利用向量加法或Hadamard乘积来集成最优的多类弱学习器。这个自适应的过程可以产生多类弱学习的Hadamard乘积向量和,进而挖掘出数据集的隐藏结构。实验结果表明,SOHPBoost算法可以产生较好的多分类性能。
-
关键词
多类Boosting
损耗函数
猜测背离性
非线性结合
-
Keywords
Multiclass Boosting
Loss function
Guess-aversion
Nonlinear combination
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
