广告
Takashi Takeouchi先生,平口真道(Shinto Eguchi),村田信夫,金森隆文;针对多类问题中错误标记的鲁棒Boosting算法。神经计算2008; 20 (6): 1596–1630. 数字对象标识:https://doi.org/10.1162/neco.2007.11-06-400
下载引文文件:
我们讨论了针对分类问题的多类标签错误标记的鲁棒性,并提出了两种boosting算法,即归一化Eta-Boost。M和Eta-Boost。M、 基于Eta散度。这两种增强算法与标签错误交换模型密切相关。对于这两种boosting算法,探索了支持错误标记鲁棒性的理论方面。我们将提出的两种增强方法应用于合成数据集和实际数据集,以研究这些方法的性能,重点是鲁棒性,并验证了所提方法的有效性。
Captcha验证错误。请重试。
登录或创建帐户