主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020年专刊出版计划 微信服务介绍 最新一期:2019年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
谢元澄,杨静宇.使用聚类来加速AdaBoost并实现噪声数据探测.软件学报,2010,21(8):1889-1897
使用聚类来加速AdaBoost并实现噪声数据探测
Using Clustering to Speed up AdaBoost and Detecting Noisy Data
投稿时间:2008-06-25  修订日期:2009-03-30
DOI:
中文关键词:  AdaBoost  聚类  个体学习器  BP神经网络  加速  噪声检测
英文关键词:AdaBoost  clustering  component learner  BP neural network  speed up  noise detection
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60632050 (国家自然科学基金)
作者单位
谢元澄 南京农业大学 信息科学技术学院,江苏 南京 210095 南京理工大学 计算机科学与技术学院,江苏 南京 210094 
杨静宇 南京理工大学 计算机科学与技术学院,江苏 南京 210094 
摘要点击次数: 3806
全文下载次数: 4137
中文摘要:
      决定集成学习性能的主要因素是集成的个体学习器之间的差异性.使用聚类技术来加速AdaBoost.在不同噪声水平环境下,新算法的性能都接近AdaBoost.对AdaBoost噪声敏感问题提出了新的解决思路,使用该项技术可以实现快速的噪声探测和噪声剔除后的再学习,从而在对含噪声数据基进行处理时,在综合性能和效率上都明显优于AdaBoost.
英文摘要:
      According as the main factor deciding the performance of ensemble learning is the diversity of component learners, clustering technology is used to speed up AdaBoost in this paper. The performance of the new algorithm is very close to the AdaBoost in learning deferent noise levels data sets. The new algorithm can be used to detect and eliminate noisy data quickly, and could achieve rapid learning on data sets after eliminating noise. It overcomes the noise-sensitive shortcoming of AdaBoost. The general performance and efficiency of the new algorithm are much better than AdaBoost in processing data sets containing noise.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利