摘要
在机器学习中,分类器融合已经成为一个新的研究领域。该本文介绍了用元决策树(MDT)融合多个分类器的新方法,阐释了MDT、元属性以及用MDT组合多个分类器的stacking框架。
One of the new areas of research in supervised learning is to study methods for constructing good ensembles of classifiers. The paper introduces meta decision trees (MDT), a novel method for combining multiple classifiers, describes MDT, meta attribute, and the combining framework of combining classifiers with MDT.
出处
《计算机工程》
EI
CAS
CSCD
北大核心
2005年第12期18-19,80,共3页
Computer Engineering
基金
天津自然科学基金资助项目
关键词
元决策树
组合框架
元属性
组合分类器
Meta decision trees
Combining framework
Meta attributes
Combining classifiers
