Transcript NDBC参会PPT

选择性集成学习策略
论文作者：邱诚
目前选择集成学习及其不足

基于聚类的方法

基于排序的方法

基于选择的方法

基于优化的方法
本文的改进方法

基于K-Means的预筛选

基于循环集成思想的静态选择策略
基于K-Means的预筛选
将两基分类器的非错分交集概率作为两
分类器之间距离，进而根据K-Means将多个分
类器聚类。
采用如下的距离公式：
基于循环集成思想的静态选择策略


改进的动态选择与循环集成框架
分类器数量阀值
记录局部最优分类器组合
相互一致性度量K作为差异性度量方式
实验结果与分析
本文二分类实验是在怀卡托智能分析环
境（WEKA）中完成的。调用了WEKA中的20
种不同类型的分类器，采用简单多数投票法
（majority voting）将多个基分类器进行集成。
实验中采用十次五折交叉验证的方法对
分类效果进行验证，取十次交叉验证的平均
时间和平均精度进行比较。
更多关于实验结果的资料，请移步软件主
页，或查看作者的论文。
LibD3C流程图
LibD3C的使用

从Eclipse中导入jar包进行调用

从weka图形界面中直接选择使用
关于软件的更多信息
LibD3C软件主页：
http://datamining.xmu.edu.cn/main/~qc/libD
SCCBC.htm
谢谢！
论文作者：邱诚
电子邮箱：[email protected]
联系电话：159 5927 1913