...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Computers >Cascade Generalization: One versus Many
【24h】

Cascade Generalization: One versus Many

机译：级联泛化：一个与许多人

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

—The choice of the best classification algorithm for a specific problem domain has been extensively researched. This issue was also the main motivations behind the ever increasing interest in ensemble methods as well as the choice of ensemble base and meta classifiers. In this paper, we extend and further evaluate a hybrid method for classifiers fusion. The method utilizes two learning algorithms only, in particular; a Support Vector Machine (SVM) as the base-level classifier and a different classification algorithm at the meta-level. This is then followed by a final voting stage. Results on nine benchmark data sets confirm that the proposed algorithm, though simple, is a promising ensemble classifier that compares favourably to other well established techniques.
机译：- 已经广泛研究了特定问题域最佳分类算法的选择。这个问题也是对集合方法的兴趣越来越多的主要动机以及合奏基础和元分类器的选择。在本文中，我们扩展并进一步评估了分类器融合的混合方法。该方法仅利用了两个学习算法;支持向量机（SVM）作为基础级分类器和元级的不同分类算法。然后是最后的投票阶段。结果九个基准数据集确认所提出的算法虽然简单，是一个有效的合奏分类器，可以对其他熟练的技术进行比较。

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