可拓AdaBoost算法对预测结果的改进

被引：4

作者：

朱弘扬 ^{[1
]}

高红 ^{[1
]}

刘巍 ^{[1
]}

丁怡 ^{[2
]}

机构：

[1] 大连海事大学数学系

[2] 广东海洋大学工程学院

来源：

辽宁工程技术大学学报(自然科学版) | 2016年 / 35卷 / 09期

关键词：

Ada Boost; 弱学习算法; 可拓学; 关联函数; 物元;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

为解决传统分类算法的预测结果所提供的信息不够丰富的问题,采用理论分析和实验相结合的方法,融合Ada Boost算法和可拓学理论,提出一种全新的以关联函数的形式对分类结果进行表达的可拓Ada Boost算法.以Ada Boost算法为框架,结合可拓理论中可拓模型和关联函数的理论,寻找物元的本质特征元并以此作为弱分类器,提出了根据事物隶属所有类别的关联度来判断事物类别的方法.实验表明,可拓Ada Boost算法不仅用关联函数优化了传统分类算法预测结果为关于某一类别"是"或"不是"的简单表述,而且在适用问题中可以使分类结果更准确.

引用

页码：993 / 997

页数：5

共 8 条

[1] Exploiting Universum data in AdaBoost using gradient descent [J].