摘要
为提高数据分类的性能,提出了一种基于信息熵[1]的多分类器动态组合方法(EMDA)。此方法在多个UCI标准数据集上进行了测试,并与由集成学习算法—AdaBoost,训练出的各个基分类器的分类效果进行比较,证明了该算法的有效性。
A method of dynamic ensemble of multiple classifiers based on information entropy（EMDA） is proposed in the paper, in order to improve the classification performance of dataset.The algorithm is tested on the UCI benchmark data sets,and comparative classification efficiency with several member classfiers trained based on ensemble learning algorithm-Adaboost.In the end,the utility of EMDA algorithm can be proved in the paper.
出处
《计算机工程与应用》
CSCD
北大核心
2008年第22期146-148,共3页
Computer Engineering and Applications
基金
山东省自然科学基金No.Y2007G16
山东省科技公关计划No.2005GG4210002
山东省青年科学家科研奖励基金No.2006BS01020
山东省教育厅科技计划项目No.J07YJ04~~
关键词
多分类器
信息熵
聚类
分类器组合
ADABOOST
multiple classifiers
information entropy
clustering
classifier ensemble
Adaboost
