×
陈磊;穆罕默德·卡梅尔。

MSEBAG：基于“最小-充分集成”和打包的动态分类器集成生成。 （英语） Zbl 1333.62163号

国际期刊系统。科学。，普林克。申请。系统。集成。 47，第2期，406-419（2016）.
摘要：我们提出了一个动态分类器系统MSEBAG，其特点是搜索“最小-充分集成”并在集成级别打包。它采用“过度生成和选择”策略，旨在实现良好的偏差-方差权衡。在训练阶段，MSEBAG首先搜索“最小-充分集成”，以最小数量的基本分类器将样本内适应度最大化。然后，从“最小-充分集成”开始，采用反向逐步算法生成集成集合。其目标是创建一个数据适应度递减、结构复杂性递减的信号群集合。MSEBAG动态地从集合中选择用于决策聚合的集合。该任务采用扩展自适应聚合（EAA）方法，这是一种在集成级别执行的打包式算法。EAA使用分数函数搜索合格的信号群，该函数考虑了样本内的适应度和统计推断的置信度，并对所选信号群的决策取平均值，以标记测试模式。实验结果表明，所提出的MSEBAG平均性能优于基准。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
68吨10 模式识别、语音识别

关键词：

模式识别;数据挖掘;分类;分类器组合;多分类器系统

软件：

UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{L.Chen}和textit{M.S.Kamel}，国际期刊系统。科学。，普林克。申请。系统。集成。47，第2号，406--419（2016；Zbl 1333.62163）
全文： DOI程序

参考文献：

[1] DOI:10.1016/j.patcog.2005.08.017·Zbl 1122.68516号 ·doi:10.1016/j.patcog.2005.08.017
[2] Breiman L.，分类和回归树（1993）·Zbl 0793.62031号
[3] 内政部：10.1080/00207721.2013.775378·Zbl 1317.90101号 ·doi:10.1080/00207721.2013.775378
[4] DOI:10.1016/j.patcog.2011.04.030·Zbl 1225.68194号 ·doi:10.1016/j.patcog.2011.04.030
[5] DOI:10.1016/j.patcog.2008.09.003·Zbl 1178.68486号 ·doi:10.1016/j.patcog.2008.09.003
[6] DOI:10.1016/j.patcog.2008.11.035·Zbl 1183.68526号 ·doi:10.1016/j.patcog.2008.11.035
[7] 内政部：10.1007/3-540-45014-9_1·doi:10.1007/3-540-45014-9_1
[8] 杜达R.O.，模式分类，2。编辑（2000）
[9] 内政部：10.1016/S0031-3203（00）00150-3·Zbl 0995.68100号 ·doi:10.1016/S0031-3203（00）00150-3
[10] DOI:10.1080/0207721.2013.809613·Zbl 1362.92029号 ·doi:10.1080/00207721.2013.809613
[11] 内政部：10.1007/978-0-387-21606-5·doi:10.1007/978-0-387-21606-5
[12] Ho T.K.，IEEE模式分析和机器智能汇刊20（8）（1998）
[13] 内政部：10.1109/34.368145·doi:10.1109/34.368145
[14] 内政部：10.1109/34.667881·doi:10.1109/34.667881
[15] DOI:10.1016/j.patcog.2007.10.015·Zbl 1140.68466号 ·doi:10.1016/j.patcog.2007.10.015
[16] DOI:10.10109/3477.990871·数字对象标识代码：10.1109/3477.990871
[17] DOI:10.1016/S0031-3203（99）00223-X·兹比尔0991.68064 ·doi:10.1016/S0031-3203（99）00223-X
[18] DOI:10.1016/j.neucom.2012.07.026·doi:10.1016/j.neucom.2012.07.026
[19] 内政部：10.1016/j.neucom.2013.08.004·doi:10.1016/j.neucom.2013.08.004
[20] DOI:10.1016/j.patcog.2004.05.013·Zbl 1101.68821号 ·doi:10.1016/j.patcog.2004.05.013
[21] DOI:10.1016/j.neucom.2013.01.052·doi:10.1016/j.neucom.2013.01.052
[22] 内政部：10.1162/neco.1996.8.4.869·doi:10.1162/neco.1996.8.4.869
[23] Saito N.，使用库的局部特征提取及其应用（博士论文）（1994年）
[24] DOI:10.1016/j.patcog.2008.03.027·Zbl 1151.68602号 ·doi:10.1016/j.patcog.2008.03.027
[25] DOI:10.1016/j.neucom.2013.05.024·doi:10.1016/j.neucom.2013.05.024
[26] UCI机器学习库。2008.检索自http://www.ics.uci.edu/mlearn/MLRepository.html
[27] DOI:10.1016/j.patcog.2010.08.011·doi:10.1016/j.patcog.2010.08.011
[28] 内政部：10.1016/j.neucom.2011.12.060·doi:10.1016/j.neucom.2011.12.060
[29] 内政部：10.1109/34.588027·数字对象标识代码：10.1109/34.588027
[30] 内政部：10.1109/21.155943·数字对象标识代码：10.1109/21.155943
[31] 内政部：10.1109/TIP.2012.2190083·Zbl 1381.62216号 ·doi:10.1109/TIP.2012.2190083
[32] DOI:10.1016/j.neucom.2014.02.030·doi:10.1016/j.neucom.2014.02.030
[33] DOI:10.1016/j.patcog.2010.07.021·Zbl 1207.68332号 ·doi:10.1016/j.patcog.2010.07.021文件
[34] DOI:10.1016/j.patcog.2005.02.012·doi:10.1016/j.patcog.2005.02.012
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。