• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Distributed computing and artificial intelligence. >Classifier Ensemble Framework Based on Clustering
【24h】

Classifier Ensemble Framework Based on Clustering

机译：基于聚类的分类器集成框架

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper proposes an innovative combinational method how to select the number of clusters in the Classifier Selection by Clustering (CSC) to improve the performance of classifier ensembles both in stabilities of their results and in their accuracies as much as possible. The CSC uses bagging as the generator of base classifiers. Base classifiers are kept fixed as either decision trees or multilayer perceptron during the creation of the ensemble. Then it partitions the classifiers using a clustering algorithm. After that by selecting one classifier per each cluster, it produces the final ensemble. The weighted majority vote is taken as consensus function of the ensemble. Here it is probed how the cluster number affects the performance of the CSC method and how we can switch to a well approximation option for a dataset adaptively. We expand our studies on a large number of real datasets of UCI repository to reach a well conclusion.
机译：本文提出了一种创新的组合方法，该方法如何在通过聚类的分类器选择（CSC）中选择聚类的数量，以在结果的稳定性和准确性上尽可能提高分类器集合的性能。 CSC使用装袋作为基本分类器的生成器。在整体创建过程中，基本分类器保持固定为决策树或多层感知器。然后，它使用聚类算法对分类器进行分区。之后，通过为每个聚类选择一个分类器，产生最终的合奏。加权多数票被视为整体的共识功能。这里探讨了簇数如何影响CSC方法的性能，以及如何适应性地切换到数据集的井近似选项。我们将研究扩展到大量UCI存储库的真实数据集，以得出一个很好的结论。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号