版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、分類(lèi)是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域中的重要技術(shù),已有分類(lèi)算法大多通過(guò)重復(fù)計(jì)算數(shù)據(jù)集來(lái)提高分類(lèi)準(zhǔn)確率,然而這是以降低計(jì)算效率為代價(jià)的。為了在提高分類(lèi)準(zhǔn)確率的同時(shí)降低計(jì)算代價(jià),通過(guò)分析集成學(xué)習(xí)方法較強(qiáng)的泛化能力,每個(gè)屬性擁有的分類(lèi)能力,以及最小二乘法直接求解線性模型的高效率,提出了基于線性回歸和屬性集成的分類(lèi)算法(A Classification Algorithm Using Linear Regression and Attribute En
2、semble,簡(jiǎn)稱(chēng)LRAE)。研究的具體工作如下:
?。?)通過(guò)分析決策樹(shù)算法,發(fā)現(xiàn)了每個(gè)屬性都有分類(lèi)能力,但它在分類(lèi)預(yù)測(cè)時(shí)并沒(méi)有使用所有樹(shù)節(jié)點(diǎn)。這使得部分屬性的分類(lèi)能力不能被充分利用,從而限制了它的分類(lèi)準(zhǔn)確率。針對(duì)這種情況,提出為每個(gè)屬性建立分類(lèi)模型并通過(guò)集成方法提高分類(lèi)準(zhǔn)確率。通過(guò)分析邏輯回歸和支持向量機(jī)算法,發(fā)現(xiàn)它們都通過(guò)迭代計(jì)算來(lái)優(yōu)化分類(lèi)模型,從而提高分類(lèi)準(zhǔn)確率。這說(shuō)明優(yōu)化模型需要重復(fù)地計(jì)算數(shù)據(jù)集,而且它們的較高分類(lèi)準(zhǔn)確
3、率都是以降低計(jì)算效率為代價(jià)的。為了提高訓(xùn)練模型的計(jì)算效率,提出了使用線性回歸算法來(lái)訓(xùn)練分類(lèi)模型。
?。?)LRAE算法的基本原理如下:首先,根據(jù)屬性的分類(lèi)能力,提出了使用線性回歸為每個(gè)屬性構(gòu)建屬性線性分類(lèi)器(Attribute Linear Classifier,簡(jiǎn)稱(chēng)ALC);然后,為了避免因ALC過(guò)多而導(dǎo)致的準(zhǔn)確率下降,結(jié)合最小二乘法的經(jīng)驗(yàn)誤差最小化策略,使用經(jīng)驗(yàn)損失值作為評(píng)估標(biāo)準(zhǔn)來(lái)選擇ALC;最后,采用多數(shù)投票法結(jié)合ALC判
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于半監(jiān)督集成學(xué)習(xí)的情感分類(lèi)方法研究.pdf
- 基于集成學(xué)習(xí)和空間信息的高光譜遙感影像分類(lèi)方法.pdf
- 基于Spark并行化文本分類(lèi)方法的研究.pdf
- 基于集成學(xué)習(xí)的農(nóng)作物遙感分類(lèi)方法的研究.pdf
- 基于層次分類(lèi)和集成學(xué)習(xí)的文本分類(lèi)技術(shù)研究.pdf
- 基于Spark的大規(guī)模網(wǎng)絡(luò)流量分類(lèi)方法研究.pdf
- 基于半監(jiān)督與集成學(xué)習(xí)的文本分類(lèi)方法研究.pdf
- 一種基于網(wǎng)站反饋和集成學(xué)習(xí)的口令強(qiáng)度分類(lèi)方法.pdf
- 基于稀疏表示和集成學(xué)習(xí)的若干分類(lèi)問(wèn)題研究
- 基于Spark的文本分類(lèi)的研究.pdf
- 基于集成學(xué)習(xí)與多標(biāo)記學(xué)習(xí)的蛋白質(zhì)分類(lèi)方法研究.pdf
- Spark平臺(tái)下基于深度學(xué)習(xí)的網(wǎng)絡(luò)短文本情感分類(lèi)研究.pdf
- 基于云計(jì)算與集成學(xué)習(xí)的網(wǎng)絡(luò)流量分類(lèi)方法研究.pdf
- 基于集成學(xué)習(xí)技術(shù)的圖像分類(lèi)算法研究.pdf
- 基于新型多標(biāo)記集成學(xué)習(xí)方法的文本分類(lèi)研究.pdf
- 樸素貝葉斯分類(lèi)器的集成學(xué)習(xí)方法研究.pdf
- 基于Spark的超大文本分類(lèi)方法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于深度學(xué)習(xí)和分類(lèi)集成的高速列車(chē)工況識(shí)別研究.pdf
- 基于集成學(xué)習(xí)和特征選擇的極化SAR地物分類(lèi).pdf
- 基于距離學(xué)習(xí)的集成KNN分類(lèi)器的研究.pdf
評(píng)論
0/150
提交評(píng)論