分类器集成算法研究

作者：周星 丁立新 万润泽 葛强分类器集成集成学习泛化性能多样性baggingboostingstacking

摘要：分类器集成作为机器学习算法设计的一种重要策略,具有高泛化性能的优点,已广泛应用于遥感、生物信息、图像处理等领域,逐渐成为研究热点.以三种常用的集成方法bagging、boosting和stacking为线索,分别从算法思想、算法评价、算法改进与变种、算法应用等角度进行探讨,为构建高准确率分类器集成系统建立指导.最后,对分类器集成算法的未来发展方向进行了展望.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社